今天，我們在 @OpenAI 達成了一個許多人認為還需要幾年的里程碑：在 2025 年國際數學奧林匹克（IMO）上達到金牌級別的表現，這是通過一個通用推理的 LLM 完成的——在與人類相同的時間限制內，且不使用工具。這聽起來雖然令人驚訝，但其實比標題所表達的意義更為重大 🧵

通常對於這些 AI 結果，例如在圍棋/ Dota/ 撲克/ 外交中，研究人員花費多年時間製作一個精通某一狹窄領域的 AI，並且幾乎不做其他事情。但這不是一個特定於 IMO 的模型。這是一個推理 LLM，結合了新的實驗性通用技術。

那麼有什麼不同呢？我們開發了新技術，使得大型語言模型在難以驗證的任務上表現得更好。在我看來，問題是這方面的完美挑戰：證明的頁數很長，專家需要幾個小時來評分。與此相比，AIME的答案僅僅是一個從0到999的整數。

這個模型的思考時間也很*長*。o1思考了幾秒鐘。深度研究持續了幾分鐘。這個模型則思考了幾個小時。重要的是，它的思考效率也更高。而且在測試時間的計算和效率上還有很大的提升空間。

值得反思的是，人工智慧的進步速度有多快，尤其是在數學方面。在2024年，人工智慧實驗室在其模型發布中使用了小學數學（GSM8K）作為評估。從那時起，我們已經飽和了（高中）數學基準，然後是AIME，現在已經達到了IMO金牌。

這會去哪裡？儘管最近的人工智慧進展非常迅速，我完全預期這一趨勢會持續下去。重要的是，我認為我們接近於人工智慧在科學發現中做出實質貢獻。人工智慧稍微低於頂尖人類表現與稍微高於之間有很大的區別。

這是一個由 @alexwei_ 領導的小型團隊努力。他將一個少數人相信的研究想法付諸實行，並用它達成了更少人認為可能的結果。這一切也離不開 @OpenAI 和更廣泛的 AI 社區中許多人的多年研究和工程努力。

當你在前沿實驗室工作時，你通常會比其他人早幾個月知道前沿能力的所在。但這個結果是全新的，使用了最近開發的技術。這對許多OpenAI的研究人員來說都是一個驚喜。今天，每個人都能看到前沿的所在。