Google DeepMind впервые получила золотую медаль на Международной математической олимпиаде (IMO) с помощью «продвинутой версии» модели Gemini в режиме Deep Think.
Система решила пять из шести задач по алгебре, комбинаторике, геометрии и теории чисел и набрала 35 из 42 баллов — этого достаточно для золота, которое по данным IMO получают всего около 8% участников-людей. DeepMind отмечает, что решения проверяли официальные судьи IMO и назвали их «четкими, точными, и большинство — простыми для понимания».
Главное отличие — подход: если в прошлом году DeepMind использовала формальные языки и вычисления со специальными программами, то сейчас Gemini Deep Think работал только на естественном языке. Модель самостоятельно сформулировала полные доказательства на основе официальных задач IMO, уложилась в установленный лимит — четыре с половиной часа на серию задач, и не использовала внешние инструменты или символические средства. DeepMind отдельно подчеркивает, что Gemini работала с теми же задачами и в таких же условиях, как и участники-человеки.
IMO-версия запускалась в режиме Deep Think на базе Gemini 2.5 Pro, который Google представила в мае для задач с большим количеством рассуждений. Модель может рассматривать несколько гипотез одновременно, прежде чем дать ответ. Сейчас Deep Think тестируется на ограниченном числе пользователей. Для сравнения, стандартный Gemini 2.5 Pro решил только 31,5% задач олимпиады.
Gemini Deep Think обучалась с помощью специальных методов обучения с подкреплением, чтобы поощрять пошаговые рассуждения, поиск решения задачи и доказательства теорем. IMO-версия получила больше времени на раздумья, доступ к тщательно отобранным решениям предыдущих олимпиад и общие советы по подходу к таким задачам. В DeepMind пояснили, что эти методы позволили модели одновременно следить за несколькими линиями решения и отбирать итоговый вариант.
На прошлых выходных OpenAI тоже заявила о получении золота IMO: её внутренняя языковая модель решила пять из шести задач в условиях соревнования, а доказательства были проверены тремя бывшими победителями IMO. OpenAI отмечает, что их модель работала в течение двух сессий по четыре с половиной часа без доступа к интернету, коду или внешним сервисам, а решения формулировались только на естественном языке. Как и у DeepMind, модель не готовили специально для IMO, она рассчитана на широкий спектр задач.
До недавнего времени такие результаты считались невозможными: математик Теренс Тао еще в июне сомневался, что языковая модель будет способна решать задачи IMO в реальном времени. Что сразу две системы достигли этого — серьезный сдвиг в развитии.
Обе компании считают, что современные AI с развитой способностью рассуждать и обучением с подкреплением уже могут часами решать сложные математические задачи — без специализированных инструментов.
Однако пока остаются вопросы: OpenAI не раскрыла подробностей о структуре модели, обучающих данных и используемых ресурсах. DeepMind также не пояснила, насколько масштабируем или применим подход Deep Think к другим заданиям или научным задачам, и не ясно, справится ли система с более длинными доказательствами или другими разделами математики.
Тем не менее показано, что метод работает на практике. Долгое и точное рассуждение всегда считалось сложной целью для языковых моделей. Теперь, после этих новостей, гонка за создание ИИ, способного рассуждать, переходит на новый этап: хотя бы в математике, машины приближаются к уровню людей.
