OpenAI 与谷歌 DeepMind 的 AI 模型，双双在国际数学奥林匹克竞赛中斩获金牌。这场胜利所揭示的，是人工智能已远超数学本身的广阔前景。
PATRICK MCGUINNESS
2025 年 7 月 23 日
图 1. Przemysław Dębiak（右）在 2025 年 AtCoder 世界总决赛中，以微弱优势险胜 OpenAI 模型后获奖。他，或许是最后一位在编程竞赛中战胜 AI 的人类。图片来源：Przemysław Dębiak。
新时代的序幕
“我们最新的实验性推理大语言模型，达成了一项人工智能领域的长期重大挑战：在全球最负盛名的国际数学奥林匹克竞赛中，取得了金牌水平的成绩。” —— OpenAI，Alexander Wei
短短数日内，人工智能在数学与编程这两个人类智慧的高地，接连传来捷报。
OpenAI 的一款推理大语言模型，在 2025 年国际数学奥林匹克（IMO）中，表现出金牌水准。
谷歌 DeepMind 同样在 2025 年 IMO 中，取得了金牌级别的成绩。
而在另一场国际顶级的编程竞赛中，一个 OpenAI 模型摘得亚军。
这一系列事件本身已是重磅新闻。更深远的意义在于，它揭示了正推动人工智能实现下一次飞跃的核心创新方向。
谷歌 DeepMind 的深思
“我们可以确认，谷歌 DeepMind 已经达到了这个梦寐以求的里程碑，在满分 42 分中取得了 35 分——这是无可争议的金牌分数。” —— IMO 主席，Gregor Dolinar 教授
谷歌派出了其性能最强的 Gemini 2.5 Pro 的高级版本——Deep Think 模型，参加 2025 年 IMO。
它成功解出 6 道题目中的 5 道，豪取 35 分，稳稳地达到了 IMO 的金牌标准。
整个过程实现了从自然语言问题到形式化数学证明的端到端解题，无需任何人工预处理，并且完全在 4.5 小时的竞赛时限内完成。
这与他们去年的策略截然不同。当时，他们依赖的是特定领域的工具组合，包括 LEAN 形式化证明语言、AlphaProof 以及专攻几何的 AlphaGeometry 模型。
而这一次，他们依靠的，是更通用的 Gemini 2.5 Pro Deep Think 模型。他们充分释放了 Deep Think 的并行思考能力，并为 IMO 这项极限任务深度优化了模型。
为了将 Deep Think 的推理潜力发挥到极致，我们采用了新颖的强化学习技术进行专项训练，使其能驾驭更复杂的多步推理、问题求解和定理证明。我们还为其注入了海量高质量的数学解题方案，并在指令中内置了应对 IMO 级难题的通用策略与技巧。
这是通用人工智能模型首次在 IMO 舞台上达到金牌的高度。回想 2024 年，取得银牌的还是一款更为狭隘、灵活性更差的专用模型。
OpenAI 的解法
OpenAI 采用了一款实验性的推理大语言模型，在完全模拟人类竞赛的严苛规则下，挑战了 2025 年的 IMO 题目。
这意味着，它同样要在两场 4.5 小时的鏖战中，不借助任何外部工具，仅凭自然语言生成严谨的证明。
虽然并非正式参赛，但经前 IMO 评委的独立评分，其成绩与 DeepMind 并驾齐驱：解出 6 题中的 5 题，获得 35 分，同样达到了金牌水准。
OpenAI 的 Alexander Wei 在社交媒体上阐述了这一成就的重大意义：
这为何如此重要？首先，IMO 问题要求的是一种前所未有的、持续且高强度的创造性思维，这远超以往任何基准测试。
其次，IMO 的答案是长达数页、极难验证的证明过程。在此取得突破，意味着我们必须超越传统强化学习那种依赖明确、可量化奖励的范式。我们做到了，并因此获得了一个能构建出与顶尖人类数学家一样复杂、一样严谨论证的强大模型。
这些由 AI 生成的证明，经过了 IMO 奖牌得主的独立审核，被评价为“清晰、精确、且逻辑流畅易懂”。OpenAI 已在 GitHub 上开源了全部证明过程。
与 DeepMind 一样，这项成就的含金量在于它来自一个通用 AI 模型，而非狭隘的专用系统。不同的是，OpenAI 的模型尚处在研究探索阶段，官方表示在充分评估后才会考虑公开发布。
当然，OpenAI 的高调宣布也引来了一些争议，批评其在非官方参赛、非官方评分的情况下，抢领了金牌的荣誉。
此外，另一家名为 Harmonic 的 AI 公司也派出了其数学推理模型 Aristotle 参加 IMO，其最终表现如何，我们拭目以待。
编程赛场的惜败
“人类，（暂时）守住了最后的防线！” —— Psyho / Przemysław Dębiak
紧随 IMO 的突破，OpenAI 在东京的 AtCoder 世界巡回赛总决赛上再次成为焦点。这是全球难度最高的公开编程擂台。
赛场上，12 位世界最顶尖的人类程序员，与一个名为 OpenAIAHC 的 AI 选手同台竞技。
他们的挑战是在 10 小时内，攻克一个极其复杂的 NP 难优化问题。
最终，来自波兰的前 OpenAI 工程师 Przemysław “Psyho” Dębiak，以 9.5% 的微弱优势险胜 AI，夺得冠军。尽管如此，这个 AI 已经超越了其余所有的人类顶级高手。
一个不争的事实是：在那些需要复杂创造力来解决问题的领域，AI 正在迅速追平人类最顶尖的智慧。
被不断填满的数学基准
AI 模型正在以惊人的速度刷满一个又一个基准测试。
在不到三年的时间里，GSM8K、MATH、AIME 和 IMO 这四大数学基准，已有三个被基本攻克。
GSM8K (小学数学): 2023 年 3 月的 GPT-4 已能达到 92% 的准确率。
MATH (中学到本科初级):
o3-mini模型已将准确率推高至惊人的 97.9%。AIME (顶尖高中生邀请赛):
Gemini 2.5 Pro的得分率已达到 92%。值得一提的是，在工具辅助下，o4-mini甚至在 AIME 2025 上取得了 99.5% 的近乎完美成绩。
图 2. 过去五年，AI 在基准测试上的进化轨迹，就是新基准被不断提出，然后被加速攻克的过程。我们快要没有现成的数学难题来考验 AI 了。
现在，最后的堡垒只剩下国际数学奥林匹克（IMO）。它之所以被视为数学竞赛的珠穆朗玛峰，是因为它考验的远不止是解题，更是数学的创造力、洞察力与严谨的逻辑构建能力。
这对 AI 是一个极高的挑战，它必须进行长达百分钟的持续思考，才能构建出融合了逻辑、知识与创造力的复杂证明。
目前，2025 年的 IMO 题目已被收录为一项公开基准。Gemini 2.5 Pro 在上面取得了 31% 的平均分，虽已极其强大，但距离奖牌线尚有距离。
或许，在 IMO 之后，下一个衡量 AI 数学能力的终极基准，将是解决至今未解的数学猜想，或独立撰写出具有原创性的数学论文。
通往金牌的创新引擎：强化学习
尽管当前公开发布的 AI 模型还无法复现此次 IMO 金牌级的表现，但这些尖端技术很快会下沉到主流产品中。
首先，DeepMind 已公开承诺，将向特定用户群体开放这款强大的数学 Deep Think 模型。
我们将首先向包括数学家在内的可信测试者开放 Deep Think 模型，之后再向 Google AI Ultra 订阅者全面推出。
其次，更关键的是，OpenAI 和 DeepMind 不约而同地指向了同一个技术突破口：针对推理任务的强化学习创新。
DeepMind 提到，他们训练模型时使用了“能驾驭更多步推理、问题解决和定理证明数据的新颖强化学习技术。”
OpenAI 的 Alexander Wei 则说得更白：
我们之所以能达到这个高度，靠的不是狭隘的专用方法，而是在通用目的的强化学习和测试时计算扩展这两个基础领域，开辟了新疆界。
要解决 IMO 这类奖励信号极其稀疏甚至完全缺失的难题，所谓的新疆界，很可能指向了自举奖励方法或更优的自我反思机制。
一旦方向被指明，整个行业的力量会迅速跟进，逆向工程出类似的高效解决方案。
最疯狂的是，这一切甚至发生在 GPT-5 发布之前。OpenAI 明确表示：
我们很快会发布 GPT-5，但此次用于 IMO 的是一个独立的实验模型。它所使用的前沿研究技术，将融入未来的模型中——但我们不打算在未来数月内发布具备同等级别能力的模型。
超越数学与编码的未来
人工智能的进化速度，丝毫没有放缓的迹象。
去年，专用 AI 在 IMO 摘银；今年，通用 AI 已然夺金。也许明年此时，公开发布的 AI 模型就能在 IMO 上取得完美满分。
在我们奔向通用人工智能的道路上，一个个衡量人类智力的标尺被不断超越。当我们再也想不出任何基准可以难倒 AI 时，或许就是 AGI 之后的新纪元了。
图 3. AI 艺术畅想。或许除了数学，我们更期待 AI 机器人在家务这类琐事上，展现出超人的能力。
但我们同样需要保持清醒：即便 AI 取得了金牌分，2025 年的 IMO 赛场上，仍有五位人类选手获得了满分。 人类智慧的火花，依旧闪耀。
在可预见的未来，人机协作将是远超任何一方的、最强大的智慧形态。
而回归故事的起点，这次胜利最核心的启示在于：驱动 AI 突破的，是更通用的模型和更底层的学习范式。
这种进步打开了 AI 推理能力的新空间，其影响将远远超出数学与编码，为整个科技乃至社会的发展，注入难以估量的强大动力。
可以预见，基于这些前沿研究，未来半年内面世的 AI 模型，将在推理能力上实现又一次巨大的飞跃。
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
