“AI登月时刻”,OpenAI模型摘取奥数金牌, GPT-5发布在即

新闻

作者：微信文章
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（IMO）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：

“ 第一，IMO 题目对“持续创造性思考”提出了前所未有的要求。从推理时间跨度来看，我们已经一路从 GSM8K（顶尖人类约 0.1 分钟）→ MATH 数据集（约 1 分钟）→ AIME（约 10 分钟）→ IMO（约 100 分钟）。

第二，IMO 答案往往是长达数页、难以验证的证明。要想在这一关取得进展，就必须跳出传统强化学习“奖励信号清晰、易于验证”的范式。我们做到了——由此得到的模型能够在复杂度和严谨性上匹敌人类数学家。

除了结果本身，我更兴奋的是方法：我们并未依赖狭窄的、任务特化的技巧，而是通过通用强化学习与“测试时计算”扩展的新突破，才达到这一水准。  ”

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（真的是啥工具都没用）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（Clay Mathematics Institute）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。



GPT-5

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（RL） 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（逐步推理）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（LLM），在 2025 年国际数学奥林匹克（IMO）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（Diplomacy）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（美国数学邀请赛）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（GSM8K）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。

--

OpenAI的奥数题解法：

https://github.com/aw31/openai-imo-2025-proofs/blob/main/problem_1.txt