剛剛，全球三大AI包攬IMO滿分！擊敗99%人類

新智元報道

上海的七月，熱浪滾滾。

第67屆國際數(shù)學(xué)奧林匹克正式落幕，中國隊以232分?jǐn)孬@桂冠。三名少年拿下42分滿分。

現(xiàn)場掌聲還未散盡，GitHub上悄然浮現(xiàn)了另一份亮眼的成績單。

前Google工程師Deedy Das甩出一場AI橫評：7個前沿大模型，全自主單挑IMO 2026全部6道題。

• Claude Fable 5狂攬42分滿分。耗時僅僅2.5小時，燒掉51美元。

• GPT-5.6 Sol的xhigh版本同樣滿分。用時3.8小時，成本更是壓到了極低的20美元。

• Kimi K3緊隨其后拿下滿分。歷經(jīng)17.4小時鏖戰(zhàn)，花費31美元。

• 再算上獨立交卷的AxiomProver，整整四方勢力全部登頂滿分。

作為參照，過去七年IMO，4347名人類選手參賽，只有30人拿過滿分——比例0.69%。

成績斷層式碾壓

從結(jié)果來看，不僅滿分42和第四名28之間橫著14分的鴻溝，而且三個滿分模型登頂?shù)淖藙萁厝徊煌?/p>

Claude Fable 5打得干凈利落。9輪對話，6輪有效輸出，單趟最長73分鐘（P3），全程輸出70萬token。

GPT-5.6 Sol顯得有些坎坷。在P2上磨了106分鐘跑4輪，中途被網(wǎng)絡(luò)故障打斷兩次。但算力控制堪稱恐怖——總輸出只有23萬token，三個滿分里最省。

Kimi K3像一頭不知疲倦的巨獸。2.8萬億參數(shù)的MoE模型，一口氣噴涌出154萬token，是Sol的6.5倍。光P3一道題就發(fā)起6次沖鋒，鏖戰(zhàn)491分鐘。

左右滑動查看

數(shù)學(xué)直覺的正面交鋒

P1是全場最溫和的開胃菜，所有模型幾分鐘搞定，人類選手也幾乎無一失手。

題目大意是：黑板上寫著2026個大于1的正整數(shù)。每一步，選兩個數(shù)m和n，擦掉，換上gcd(m,n)和lcm(m,n)/gcd(m,n)。反復(fù)操作直到無法繼續(xù)。證明：(a) 過程一定會終止，最終恰好剩一個大于1的數(shù)M；(b) M的值不依賴于操作順序。

為了便于理解這道題，我們先做一個微縮實驗。

黑板上只有12和18。12 = 22 × 3，18 = 2 × 32。第一步：gcd(12,18) = 6，lcm(12,18)/6 = 6，黑板變成[6, 6]。第二步：gcd(6,6) = 6，lcm(6,6)/6 = 1，黑板變成[6, 1]。只剩一個大于1的數(shù)，游戲終止。M = 6。

不管你怎么打亂操作順序，M永遠(yuǎn)是6。為什么？

答案藏在素因子里。

對每個素數(shù)p，取所有數(shù)被p整除次數(shù)的最大公約數(shù)，再把這些素數(shù)冪乘起來——這個值從第一步到最后一步都一直不變。

Claude Fable 5：直接生造了一個每步必定縮水的計數(shù)器。

對于這道題，F(xiàn)able 5定義了一個量Φ = T + N。T是黑板上所有數(shù)的素因子個數(shù)之和（重復(fù)計），N是大于1的數(shù)的個數(shù)。比如黑板[12, 18]，12的素因子是2、2、3共3個，18的是2、3、3共3個，T = 6，N = 2，Φ = 8。

然后它證明了：每執(zhí)行一步操作，Φ至少減少1。分兩種情況——如果gcd(m,n) > 1，素因子總數(shù)T會減少；如果gcd(m,n) = 1，T不變但大于1的數(shù)少了一個，N減1。Φ是正整數(shù)，每步至少減1，過程必須在有限步內(nèi)終止。單一計數(shù)器，一刀斬斷。

GPT-5.6 Sol：追蹤乘積，字典序降維。

Sol看的則是兩個量：P = 所有數(shù)的乘積，K = 大于1的數(shù)的個數(shù)。每步操作，如果gcd(m,n) = d > 1，新的兩個數(shù)的乘積是mn/d，比原來小，全局乘積P嚴(yán)格變小。如果d = 1，P不變，但K減少1。

(P, K)這個二元組在字典序下嚴(yán)格遞減：要么P變小，要么P不變但K變小。正整數(shù)的字典序不可能無限遞減。終止。

兩條截然不同的路徑攻克了同一個問題的(a)部分。

到了(b)部分，三個模型殊途同歸：都證明了對每個素數(shù)p，黑板上所有數(shù)被p整除次數(shù)的最大公約數(shù)在操作中不變。最終公式也是一模一樣——

回到例子驗算：12和18。對p=2，v?(12) = 2，v?(18) = 1，gcd = 1，貢獻(xiàn)21。對p=3，v?(12) = 1，v?(18) = 2，gcd = 1，貢獻(xiàn)31。M = 2 × 3 = 6，和手算分毫不差。

全場最廉價的白卷

P6這道數(shù)論題是Day 2的壓軸，它要求證明遞推序列最終具有周期性。

去年IMO 2025全球只有6個人類解出P6。

Claude Fable 5：26分鐘，兩輪，滿分。GPT-5.6 Sol：60分鐘，兩輪，滿分。Kimi K3：381分鐘，四輪，滿分。

Grok 4.5在P6上只擠出7053個token，全場墊底。提交文件里赫然寫著一句：Full proof: (Not yet complete.)

$0.18，全場最廉價的白卷。

Grok的毛病不止于此。整個測試中它反復(fù)陷入一種詭異的幻覺：信誓旦旦地聲稱「證明已經(jīng)寫入文件」，后臺卻連寫入工具都沒碰一下。

這不是數(shù)學(xué)能力問題，是agent能力問題。模型知道應(yīng)該寫文件，也聲稱自己寫了，但在工具調(diào)用層面沒有動手。

三年三級跳

硅基大腦的恐怖進(jìn)化

2024年，DeepMind的AlphaProof首次在IMO級別摸到銀牌門檻。

2025年，OpenAI和DeepMind同時出手。OpenAI未公開模型解5題拿下35分金牌，Gemini Deep Think達(dá)到同等段位。

2026年，三個通用大模型直接拿下滿分。這次，不僅沒有經(jīng)過任何專項數(shù)學(xué)訓(xùn)練，而且所有人都能用上。甚至還有一個是開源的。

寫下機(jī)器戰(zhàn)書的人

整場測試的起點，是一家叫Axiom Math的公司。

他們將IMO 2026的全部6道考題，逐字逐句翻譯成了機(jī)器能夠理解的Lean 4形式化題面。

有了這套機(jī)器可讀的題目，AI才能直接輸出Lean證明、由編譯器自動判分，不再需要人類評委閱卷。

拿到題面后，Deedy Das迅速搭建起全自動化的測試框架。各大模型在賽道上各自狂奔，跑完了全部6道關(guān)卡。AxiomProver也獨立斬獲了滿分。

值得一提的是，Axiom Math的創(chuàng)始人洪樂彤年僅25歲。她出生于廣州，僅用三年便橫掃M(jìn)IT數(shù)學(xué)與物理雙學(xué)位，更是Morgan Prize的得主。

去年底，她一手打造的AxiomProver拿下了Putnam數(shù)學(xué)競賽的滿分。這是該項賽事98年歷史上的第6個滿分奇跡。

今年3月，這家公司完成了2億美元A輪融資。估值直沖16億美元。

普通人的生活將被如何重構(gòu)

能寫4229行嚴(yán)格證明的模型，手里握著的不只是解數(shù)學(xué)題的能力。

它真正掌控的是長鏈條邏輯推導(dǎo)，每一步不能跳、不能錯、不能含糊。

合同條款有沒有漏洞、保險理賠條件滿不滿足、稅務(wù)方案合不合規(guī)，剝開表象都是同一類問題：答案不能「差不多對」。

過去這種逐條核驗只有專業(yè)人士能做，按小時計費。

如今，隨著這個能力鋪進(jìn)消費級產(chǎn)品，遇到棘手問題，只需打開手機(jī)就行了。

參考資料：

https://x.com/deedydas/status/2079409461874332066

編輯：摩西