OpenAI 的一个通用推理模型，在刚结束的国际奥林匹克数学竞赛中达到了金牌的水平。AI 登月时刻，社交媒体一夜无眠，AI 圈子沸腾了。

在与人类参赛者完全相同的规则下，OpenAI 的模型挑战了 2025 年 IMO 试题：两场各 4.5 小时的考试、禁用任何工具和互联网、只能阅读官方题面并以自然语言撰写完整证明。模型完整解出了 6 题中的 5 题。每道题都由三位前 IMO 奖牌得主独立批改，并在取得一致意见后定分。最终模型拿到 35/42 分——足以摘金！

重大意义在于，这是一个通用推理模型，而不是一个专门用来解数学题的专门系统，也没有经过验证的奖励信号，即它不是依赖于 " 有标准答案、实时打分的奖励 " 来学会的，而是靠更通用的推理和新技术，在长时间复杂的过程中，做出了正确的推理和证明。

OpenAI 证明，尽管经历了 Meta 疯狂的挖角，它依然保持了顶尖研究人才的密度，做出重大的研究突破。本周 OpenAI 的模型 o3 alpha 在 AtCoder 世界巡回赛 2025 决赛中仅逊于人类编程奇才 Psyho，获得第二名；测试中强于 o3 pro，是最好的编程及物理模型。

这样，OpenAI 目前拥有了最强的编程及数学模型，让它再次碾压 DeepMind，Anthropic，Grok 等，也再次与中国引领的开源模型拉开了差距。

实际上，OpenAI 内部正在测试一个全新的推理模型，取得奥数金牌成绩，仅是其一次小试牛刀。它的正式发布甚至会在 GPT-5 之后，预计是今年底。OpenAI 推理研究的科学家 Alexander We 负责这个模型项目，他首先宣布了这一消息，并顺带提及 GPT-5 发布在即。

这是一件大事，我们可以说它让成为 AGI 迈向 ASI 的新起点吗？Alexander Wei 发了一组帖文说明它的意义：

这项成就，在 OpenAI 内部被认为是实现了急需的一次研究上的突破，"Alex Wei 做到了。" 它几乎没有针对 IMO 做任何专项工作，只是持续训练通用模型；所有证明均为自然语言撰写，没有使用任何定制化的评测框架。

这个模型的尺寸仍然是个谜，不过 OpenAI 的团队成员透露，所用的算力相当有限，因为星际之门还没有投入使用。

OpenAI 科学家 Sebastined Bubeck 称之为 AI 的 " 登月时刻 "。简单讲：一个只是预测下一个词的机器刚刚给出了几个又难又新的数学题的创造性证明，这种水平平时也只有少数天才少年能做到。

OpenAI 的首席研究官 Mark Chen 曾经担任美国国际奥林匹克信息竞赛的教练，他认为：" 不同于以往比赛中用的那些狭窄的系统，我们的模型具备更广泛的推理能力，远远超越了竞赛题的范围。"

他指的是谷歌的 AlphaProof 在去年的奥数赛中，解出了 6 道题中的 4 道。

解决了奥数金牌的问题，接下来就是人类真正待解的难题了。在 OpenAI 多智能体组的研究员 Sheryl Hsu 参与了这个项目，她激动地说，从起步到达到奥数金牌水平，仅用了 15 个月，照这个速度下去，明年就可以用来产生数学定理和用全新方法进行数学研究了。

人工智能会在 2030 年前解决一个千禧年大奖难题吗？当前市场上对这个问题的预测概率骤然上升，达到了 81%。

千禧年大奖难题是指克雷数学研究所于 2000 年提出的七个尚未解决的重要数学问题，每个问题的奖金是 100 万美元。

万众期待的 GPT-5 要来了。奥特曼宣布：

我们很快就会发布 GPT-5，但也希望大家对它抱有合理的预期：这是一个实验性的模型，融入了我们将在未来模型中继续采用的新研究技术。

我们相信你们会喜欢 GPT-5，但在接下来的几个月里，我们并不打算发布一个具备 IMO 金牌水平能力的模型。

有一种说法是这次发布就是为了终结命名混乱，将转用一个统一模型架构，用户只要 " 挑 / 调 " 推理强度或智能等级即可。

圈子里也在流传 GPT-5 的蛛丝马迹。这张图显示 GPT-5 在测试生物风险，用的是最强推理模式，限时 15 分钟，连跑 10 次 mbct 生物题，把结果和日志按指定目录收好。

一些 AI 研究者分析：GPT-5 将采用 end-to-end 强化学习进行训练，模型直接在环境中从原始输入学习到最优策略，无需人为拆分子任务或设计中间模块，也不依赖于显式的 chain of thought 输出。通过整体性的奖励信号指导，模型能够高效地探索、试错并收敛到优秀的解决方案，实现更高的任务完成度和更强的泛化能力。

最近 OpenAI 被 Meta 挖角，几乎伤筋动骨。但这次奥数夺金，等于是告诉 Meta：我们要向超级人工智能跨越了。

最后，下面是 OpenAI 负责推理研究的 Noam Brown 的评论：

今天，我们 @OpenAI 取得了一个许多人认为还需要几年才能实现的里程碑：一个具备金牌水平的推理型大语言模型，在 2025 年国际数学奥林匹克中，在与人类相同的时间限制下、无需任何工具，完成了解题。

听起来已经很惊人了，但这个成就的意义其实远不止这个标题所能表达的：

通常来说，像围棋、Dota、扑克、外交游戏等领域的 AI 结果，研究人员要花费数年时间，打造一个只擅长某个狭窄领域、除此之外几乎一无是处的 AI。

但这次并不是一个专门针对 IMO 的模型，而是一个融合了全新实验性通用技术的推理型 LLM。

那么，有什么不同呢？我们开发了新的技术，让 LLM 在那些难以验证的任务上表现得更好。IMO 题目正是绝佳的挑战：证明通常长达数页，专家们也需要几个小时才能批改。相比之下，AIME 的答案只是 0 到 999 之间的一个整数。

此外，这个模型会 " 思考 " 很久。o1 思考几秒，Deep Research 思考几分钟，而它可以思考几个小时。更重要的是，它的思考效率也更高。而且，在推理时间计算和效率上，我们还有很大的提升空间。

值得回顾的是，AI 尤其是在数学领域的进步有多么快。2024 年时，AI 实验室还在用小学数学作为模型发布的评测。随后我们达到了高中水平的 MATH 基准，又突破了 AIME，如今则达到了 IMO 金牌水平。

接下来会怎样？尽管最近 AI 进步飞快，我完全相信这个趋势还会继续。更重要的是，我认为我们正接近让 AI 在科学发现中发挥实质性作用的阶段。因为 AI 的表现从略低于顶尖人类水平到略高于顶尖人类水平之间，其差距是巨大的。

这是一个由 @alexwei_ 领导的小团队完成的成果。他把一个很少有人相信的研究想法，变成了一个几乎没人觉得可能实现的结果。当然，这一成就也离不开 @OpenAI 以及更广泛的 AI 社区多年积累的研究和工程工作。

当你在一家前沿实验室工作时，通常会提前几个月知道前沿能力在哪里。但这个结果使用了最近才开发出的新技术，甚至对许多 OpenAI 的研究人员来说也是一个惊喜。今天，每个人都可以看到前沿在哪里。