剛剛，全球三大AI包攬IMO滿分，擊敗99%人類

# 歷史性突破：三大AI全自主攻克IMO滿分，人類數學競技迎來新紀元

上海，七月。第67屆國際數學奧林匹克（IMO）剛剛落幕，人類選手的掌聲尚未散去，一道更為震撼的消息在科技圈引爆：全球三大前沿AI模型——Claude Fable 5、GPT-5.6 Sol與Kimi K3——以完全自主的方式，全數拿下IMO 2026的全部42分滿分。這不僅是AI在數學競賽領域的歷史性時刻，更標誌著機器在長鏈邏輯推理能力上的驚人飛躍。 ## 斷層式碾壓：0.69%的傳奇對上100%的機器

作為背景，人類在IMO賽場上的頂尖表現已是萬里挑一。過去七年間，全球4347名參賽選手中，僅有30人曾獲滿分，佔比不過0.69%。而此次AI的參賽成績不僅滿分，更呈現出「斷層式」碾壓。從得分分佈來看，滿分42分與第四名的28分之間，竟橫亙著14分的巨大鴻溝。三位「硅基選手」的答題姿態各有千秋。前Google工程師Deedy Das發起的這場權威橫評，記錄了三款模型的完整答題過程：Claude Fable 5僅用2.5小時、花費51美元便完成6道題；GPT-5.6 Sol耗時3.8小時，成本更低至20美元；而Kimi K3雖然歷經17.4小時「鏖戰」，花費31美元，但展現了截然不同的推理風格。

此外，獨立交卷的AxiomProver也同樣登頂滿分。這些數字背後，是AI在數學直覺與推理深度上的質變。不僅是人類無法企及的解題速度，更令人驚嘆的是它們在面對不同難度題目時展現出的策略多樣性。## 解題思路大對決：同一道題，三種天才

以全場最基礎的P1為例——這道關於正整數變換的證明題，所有模型均在幾分鐘內輕鬆解決。然而，它們運用的邏輯路徑卻截然不同，某種程度上反映了各自架構的「思維特質」。Claude Fable 5選擇了最直接的計數器策略。它定義了一個每步必定縮減的量Φ = T + N，巧妙地分兩種情況討論：當兩數最大公因數大於1時，素因子總數T減少；當兩數互質時，大於1的數目N減少。無論哪種情況，Φ這個正整數計數器都會嚴格遞減，從而證明過程必然終止。一刀斬斷，乾淨利落。GPT-5.6 Sol則走了一條更為抽象的「字典序降維」之路。它追蹤兩個量——所有數的乘積P和大於1的數的個數K。

每一步操作中，要麼P嚴格變小，要麼P不變而K減少。這個二元組(P, K)在字典序下嚴格遞減，而正整數的字典序不可能無限遞減，終止性得證。到了需要證明最終結果M不依賴操作順序的(b)部分，三個模型殊途同歸：它們都證明了對每個素數p，黑板所有數被p整除次數的最大公約數在操作中保持不變，由此推導出唯一的M值。不同的思維路徑，走向同一數學真理——這或許正是AI推理能力成熟的最佳寫照。## 最難的壓軸題與「最廉價的白卷」

Day 2的壓軸題P6，是去年IMO僅有6名人類選手解出的數論難題。這一次，三大滿分模型的表現依舊出色：Claude Fable 5僅用26分鐘、兩輪對話便拿下滿分；GPT-5.6 Sol耗時60分鐘、同樣兩輪完成；Kimi K3則經過381分鐘、四輪衝鋒才艱難完成。差異背後，是計算成本與推理路徑的取捨。與此形成鮮明對比的是Grok 4.5的表現。在P6上，它僅僅輸出了7053個token，提交文件中赫然寫著：「Full proof: (Not yet complete.)」全場最低的0.18美元成本，換來了一張「最廉價的白卷」。

更為顯露出問題的是，Grok反覆陷入一種詭異的「幻覺」：信誓旦旦宣稱證明已寫入文件，後台卻根本未曾調用寫入工具。這不是數學能力的不足，而是Agent層面的工具調用缺陷——模型知道應該做什麼，也認為自己做了，卻在實際執行層面「斷了線」。## 三年三級跳：從銀牌到滿分的進化之路

回顧AI在數學競賽領域的征途，這堪稱「三年三級跳」的恐怖進化。2024年，DeepMind的AlphaProof首次觸及IMO銀牌門檻；2025年，OpenAI未公開模型已能解5題、拿下35分金牌；到了2026年，三個通用大模型直接包攬滿分。更為關鍵的是，這些模型未經任何專項數學訓練，且任何人都可以使用——甚至其中一個還是開源模型。Axiom Math在這場突破中扮演了「架橋人」的角色。這家由年僅25歲的華人數學天才洪樂彤創辦的公司，將IMO 2026的全部6道考題逐字翻譯成機器可讀的Lean 4形式化語言。

正是這套系統，讓AI得以直接輸出Lean證明、由編譯器自動判分，徹底告別了人類評委的主觀閱卷。洪樂彤本人更是傳奇：僅用三年橫掃MIT數學與物理雙學位，斬獲Morgan Prize；去年底，她打造的AxiomProver拿下Putnam數學競賽滿分——該賽事98年歷史上僅有的第6個滿分奇蹟。今年3月，公司完成2億美元A輪融資，估值直逼16億美元。## 超越數學：邏輯推理正在重塑普通人生活

能夠書寫4229行嚴格證明的AI，它所掌控的遠不止解數學題的能力。其真正核心是長鏈條的邏輯推導——每一步不能跳、不能錯、不能含糊。 這項能力的影響遠超學術競賽。合同條款中有沒有漏洞、保險理賠條件是否滿足、稅務方案合不合規——所有這些困擾普通人的複雜問題，剝開表象都是同一類邏輯題：答案不能「差不多對」。過去，這類逐條核驗只有專業人士能做，且按小時計費。而當這項能力鋪進消費級產品，未來遇到棘手問題時，可能只需打開手機就能獲得專業級的分析與解答。 2026年的這個七月，上海見證了人類數學競技的輝煌，也見證了人工智能跨越歷史性門檻的瞬間。從僅有0.69%的人類天才能觸及的桂冠，到多款AI同時摘取——這不是人類的失敗，而是人類智慧在另一個載體上的延伸與綻放。數學競賽的聖殿從未關閉，只是門檻，正在被重新定義。