AI 在国际数学奥林匹克达到金牌水平
Google DeepMind 和 OpenAI 的实验模型在国际数学奥林匹克竞赛中，均在规定时间内用自然语言写出证明，解出六道题中的五道。DeepMind 的成绩经过了 IMO 官方评分。
发生了什么
2025 年 7 月 19 日（星期六），OpenAI 研究员 Alexander Wei 在社交平台 X 上宣布，公司的一个实验性推理模型在 2025 年 IMO 考题上拿到 35 分，达到金牌水平。
两天后的 7 月 21 日，Google DeepMind 发布博客，称其 Gemini Deep Think 的一个增强版本 同样解出 5 道题、得到 35 分，而且这个成绩是经 IMO 官方阅卷人认证的。IMO 主席 Gregor Dolinar 在 DeepMind 的公告中说：「我们可以确认，Google DeepMind 达到了这个人们期待已久的里程碑，在满分 42 分中拿到 35 分——这是金牌分数。」
据路透社报道，这是 AI 系统第一次在 IMO 上越过金牌分数线。
先了解：IMO 是什么
2025 年的 IMO 于 7 月 10 日至 20 日在澳大利亚昆士兰州的阳光海岸举行。根据 IMO 官网的数据：
- 参赛选手
- 630 人
- 参赛国家和地区
- 110 个
- 金牌（35 分及以上）
- 72 人
- 满分 42 分
- 5 人
来源：IMO 官网 2025 年届次页面。银牌线 28 分（104 人），铜牌线 19 分（145 人）。
也就是说，AI 拿到的 35 分，刚好等于当年的金牌线；同届有 72 名学生达到或超过这个分数，其中 5 人全部做对。
OpenAI 的分数由其邀请的三位前 IMO 奖牌得主评定，不是 IMO 官方评分。 来源：IMO 官网；Google DeepMind 博客，2025-07-21；法新社、路透社报道
两家公司各做到了什么
Google DeepMind。 一年前（2024 年），DeepMind 用两个专门做数学的系统 AlphaProof 和 AlphaGeometry 2 拿到银牌水平：解出 4 题，得 28 分。但那次需要专家先把题目从自然语言翻译成 Lean 这样的「形式化语言」，再把证明翻译回来，计算花了两到三天。
2025 年，DeepMind 换成了通用模型 Gemini 的「Deep Think」模式。公司说，模型从官方题目直接出发，用自然语言写出严格证明，全程在 4.5 小时的比赛时限内完成。它使用了「并行思考」：同时探索多种解题思路，再综合出最终答案，而不是只沿着一条思路走到底。DeepMind 还说明，这个版本额外用强化学习做了训练，给它提供了一批高质量的数学题解，并在指令里加了一些解 IMO 题的一般性提示。
IMO 阅卷人对它的评价是：解答「清晰、精确，大多数容易看懂」。
OpenAI。 据路透社报道，OpenAI 用的是一个专门为此打造的实验模型，重点在于大幅增加「测试时计算」：让模型思考更长时间，同时并行运行多条推理路线。OpenAI 研究员 Noam Brown 拒绝透露花了多少算力，只说「非常昂贵」。
Alexander Wei 写道：「我们按照与人类选手相同的规则，在 2025 年 IMO 题目上评测了模型」，「每道题的证明由三位前 IMO 奖牌得主独立评分」。他还表示，OpenAI 在几个月内不打算发布具备这种数学能力的产品。
各方怎么说
关于成绩的意义。 DeepMind 访问研究员、布朗大学数学教授 Junehyuk Jung 对路透社说，这意味着 AI 可能不到一年就能帮数学家攻克前沿的未解难题。「我认为，一旦我们能用自然语言解决高难度的推理问题，AI 和数学家之间的合作就有了可能。」他本人在 2003 年拿过 IMO 金牌。
关于公布时间的争议。 据路透社报道，今年是 IMO 第一次与部分 AI 公司正式合作，IMO 认证了包括 Google 在内这些公司的成绩，并要求它们在 7 月 28 日公布结果。DeepMind 首席执行官 Demis Hassabis 在 X 上说，DeepMind「尊重 IMO 理事会最初的要求」，等成绩经独立专家核实、学生们得到应有的喝彩之后才公布。OpenAI 则在 7 月 19 日（周六）就率先宣布，公司对路透社表示，它在闭幕式之后公布，得到了一位 IMO 理事会成员的许可。IMO 主席 Dolinar 对路透社说，主办方在周一允许合作公司公布结果。
关于学生。 法新社的报道标题是「人类在顶级数学竞赛中击败了 AI 的金牌分数」：两个模型都没有拿到满分，而 5 名年轻选手做到了。
需要注意的地方
- OpenAI 的成绩不是官方评分。 它没有参加 IMO 的官方合作评测，分数由其请来的前奖牌得主评定。DeepMind 的成绩由 IMO 阅卷人按学生的同一标准评分。
- 官方认证只覆盖答卷。 DeepMind 在博客中注明，IMO 确认了它提交的答案是完整、正确的解答，但这项审核「不包括验证我们的系统、流程或底层模型」。
- 算力和人工介入无法核实。 据法新社报道，IMO 主席 Dolinar 提醒，主办方无法核实 AI 模型用了多少算力，也无法确认是否有人参与。
- 条件和学生不完全一样。 DeepMind 说明，它给模型提供了精选的数学题解资料，并加入了解题提示；学生在考场上没有这些。
- 都是未发布的实验模型。 OpenAI 说几个月内不会发布同等能力的产品；DeepMind 说会先给数学家等受信任的测试者使用，再向 Google AI Ultra 订阅用户开放。
- 35 分刚好压线，而且两家都没有解出全部 6 题。
对普通人意味着什么
IMO 题目没有标准答案可套，需要一步步写出让专家信服的证明。AI 能在比赛时限内用普通文字完成这件事，说明「推理模型」在严谨逻辑上的能力进步很快。DeepMind 当时表示，这类模型未来会成为数学家、科学家和工程师的工具。
这条路后来走得很快。同年 9 月，AI 又在国际大学生程序设计竞赛世界总决赛上亮相（见《AI 在世界编程总决赛中解出全部 12 题》）。到 2026 年 9 月，OpenAI 宣布其内部模型找到了一个千禧年数学难题版本的证明，但也引发了关于功劳归属的激烈争议（见《OpenAI 公布千禧年数学难题证明，引发优先权争议》）。
对日常使用者来说，可以记住一点：竞赛成绩来自专门调校、投入大量算力的实验版本，日常聊天用的模型不一定有同样表现。做数学或逻辑题时，仍然需要自己检查 AI 给出的每一步。