首页/新闻资讯/正文详情

AI挑战国际奥数:Claude Fable 5等四模型满分,碾压人类选手!

发布时间:2026/9/26 16:54:56 来源:云帆数科 栏目:资讯中心
AI挑战国际奥数:Claude Fable 5等四模型满分,碾压人类选手!
【导语在第67届国际数学奥林匹克落幕中国队夺冠之际GitHub上一场AI横评引发关注Claude Fable 5、GPT - 5.6 Sol等四个AI模型在单挑IMO 2026全部6道题中拿下满分成绩远超人类选手展现出强大的数学能力。】AI奥数成绩断层式碾压人类前Google工程师Deedy Das进行的AI横评中Claude Fable 5、GPT - 5.6 Sol的xhigh版本、Kimi K3和AxiomProver四个AI模型全部在单挑IMO 2026的6道题中拿下满分42分。过去七年IMO4347名人类选手参赛只有30人拿过满分比例仅为0.69%AI成绩实现断层式碾压。不同模型在表现上也各有特点。Claude Fable 5耗时2.5小时花费51美元9轮对话6轮有效输出全程输出70万tokenGPT - 5.6 Sol用时3.8小时成本低至20美元总输出23万token最为节省Kimi K3历经17.4小时鏖战花费31美元2.8万亿参数的MoE模型输出154万token是Sol的6.5倍。数学直觉的多样解题路径以P1题为例这道题要求证明特定操作过程一定会终止最终恰好剩一个大于1的数M且M的值不依赖于操作顺序。Claude Fable 5直接生造了一个每步必定缩水的计数器Φ T N证明每执行一步操作Φ至少减少1从而得出过程在有限步内终止。GPT - 5.6 Sol则通过追踪乘积P和大于1的数的个数K这两个量证明(P, K)这个二元组在字典序下严格递减得出过程终止。而在证明M的值不依赖于操作顺序的(b)部分三个模型都证明了对每个素数p黑板上所有数被p整除次数的最大公约数在操作中不变。全场最廉价白卷与AI进化之路在全场最具挑战性的P6题上Claude Fable 5用时26分钟两轮获得满分GPT - 5.6 Sol用时60分钟两轮满分Kimi K3用时381分钟四轮满分。而Grok 4.5只挤出7053个token提交文件显示证明未完成仅花费0.18美元成为全场最廉价的白卷还存在工具调用层面不动手的agent能力问题。回顾AI在奥数领域的发展2024年DeepMind的AlphaProof首次在IMO级别摸到银牌门槛2025年OpenAI未公开模型和解5题拿下35分金牌Gemini Deep Think达到同等段位2026年三个通用大模型直接拿下满分且未经过专项数学训练部分模型开源实现三年三级跳。普通人生活或因AI逻辑推导能力重构能进行长链条逻辑推导的AI模型不仅能解数学题还可应用于合同条款核验、保险理赔条件判断、税务方案合规检查等领域。过去这些工作只有专业人士能做且按小时计费如今随着这种能力铺进消费级产品普通人遇棘手问题打开手机就能解决。编辑观点此次AI在奥数竞赛中的出色表现彰显其强大逻辑推导能力未来有望在多领域发挥作用重构普通人生活但也需关注其可能带来的就业结构变化等问题。

相关推荐

Agentic RAG:融合检索增强与智能体架构的实践指南
Agentic RAG:融合检索增强与智能体架构的实践指南

1. 项目概述:当RAG遇上Agent会碰撞出什么火花?去年第一次听说Agentic RAG这个概念时,我正在为一个金融知识问答系统头疼。传统RAG(检索增强生成)虽然能解决大模型的事实性幻觉问题,但面对用户连续追问"… · 2026/9/22 14:17:57

Cursor vs Claude Code vs 手写:计时实验揭示AI编程的隐藏返工成本
Cursor vs Claude Code vs 手写:计时实验揭示AI编程的隐藏返工成本

实验设计与执行优化 在实际工程实践中,单次实验往往难以全面反映技术方案的优劣。我们在Taotoken平台上进行了为期两周的系统性实验,旨在深度评估不同开发模式在电商促销规则引擎实现中的表现。实验设计着重考量以下几个关键维度: 实验分组… · 2026/9/20 8:26:28

AI大模型能耗与伦理挑战及优化实践
AI大模型能耗与伦理挑战及优化实践

1. 大模型技术发展现状与伦理困境2023年,参数规模突破万亿的AI大模型已成为技术领域的重要突破点。这类模型在自然语言处理、图像生成等任务上展现出惊人能力,但同时也带来了前所未有的伦理挑战。以GPT-4为例,其训练消耗的电力相当于120个美国… · 2026/9/20 18:51:22

霍尔传感器与继电器组合:从选型到闭环控制系统的完整实践指南
霍尔传感器与继电器组合:从选型到闭环控制系统的完整实践指南

1. 先搞清楚这两个型号究竟能干什么我在做嵌入式控制和工业自动化项目的选型时,最怕的不是器件贵,而是拿到一个封装精致、手册齐全、但自己根本没吃透它设计意图的器件。DH101ALSMT001和R7KA8T2LFLCAC这对组合,乍看一个像传感器、一个像继电器… · 2026/9/26 16:54:54

Codex Local 中 IPP 统一框架落地:TaoToken 配置骨架与 MCP 信息处理协议验证
Codex Local 中 IPP 统一框架落地:TaoToken 配置骨架与 MCP 信息处理协议验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 16:54:47

Ray分布式Python运行时:一套API搞定单机到集群并行
Ray分布式Python运行时:一套API搞定单机到集群并行

先说结论:如果你正在写 Python 代码,且发现单机跑得慢、数据量大到内存顶不住、或者想在 GPU 集群上快速铺开一个训练/推理任务,直接上 Ray 会比你去啃那套老旧的 MPI 或者 Spark 要舒服得多。Ray 不是一个服务框架,也不是一个消息… · 2026/9/26 16:54:47

联想电脑Chrome崩溃 STATUS_INVALID_IMAGE_HASH 修复指南
联想电脑Chrome崩溃 STATUS_INVALID_IMAGE_HASH 修复指南

这个STATUS_INVALID_IMAGE_HASH我在联想机器上前前后后修过不下二十台,每次的表现几乎一模一样:Chrome 开着开着突然弹个错误框,上面写着STATUS_INVALID_IMAGE_HASH,点确定之后整个浏览器直接消失,重新打开也撑不了几分… · 2026/9/26 16:54:47

Ubuntu 22.04 安装 Docker 实战:apt 源配置、Compose v2 与镜像加速全指南
Ubuntu 22.04 安装 Docker 实战:apt 源配置、Compose v2 与镜像加速全指南

每次帮同事处理 Ubuntu 服务器上的 Docker 问题,我都习惯性会问一句:你是自己手动装的,还是用了个什么脚本?这个问题的答案基本决定了后面半小时是轻松收工还是开始排雷。网上搜“Ubuntu22.04 安装 Docker”,出来的教程… · 2026/9/26 16:54:40

嵌入式MCU编译烧录仿真流程详解:从源码到在线调试的完整链路
嵌入式MCU编译烧录仿真流程详解:从源码到在线调试的完整链路

搞嵌入式的朋友应该都有过这种经历:在IDE里点一下编译,再点一下下载,程序跑起来了,一切顺理成章。但等你换了个不熟悉的芯片、换了个调试器,或者从Keil换到VS Code加GCC工具链,编译过了却烧录不进去&#x… · 2026/9/26 16:54:40

数据库课后习题答案别硬背:当测试用例集刷,效率翻倍
数据库课后习题答案别硬背:当测试用例集刷,效率翻倍

简介:万常选版《数据库原理与设计》课后习题答案资源,覆盖第2至6章及第9章,适合正在学习关系模型、数据库建模、关系数据理论与模式求精的本科生、自学者作为复习与自测材料。压缩包共7个文件,含3个doc参考答案、2个sql示例脚本、… · 2026/9/26 0:00:21

OpenClaw 替代品?Hermes Agent 踩坑实录:macOS 飞书接入 TaoToken 配置
OpenClaw 替代品?Hermes Agent 踩坑实录:macOS 飞书接入 TaoToken 配置

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views … · 2026/9/26 0:00:40

向下兼容与向上兼容:接口设计中的兼容性策略与工程实践
向下兼容与向上兼容:接口设计中的兼容性策略与工程实践

一次版本升级事故,是很多团队绕不过去的坎。线上环境里,服务端明明已经上线了新版接口,老的移动端还在照着旧文档传参数。请求一到网关,校验直接拒绝,用户操作失败,客服群炸了锅,开发群里开始互… · 2026/9/26 0:00:46

了解更多?预约专属演示

我们的顾问将为您一对一讲解产品与方案

企业微信二维码