OpenAI сообщила, что её экспериментальная языковая модель решила задачи Международной математической олимпиады (IMO) на уровне золотой медали, что может означать новый шаг для ИИ с навыками обобщённого рассуждения. Независимая проверка этих результатов пока не проведена.
По данным исследователей OpenAI Александра Вея и Ноама Брауна, модель справилась с пятью из шести заданий IMO 2025, набрав 35 из 42 возможных баллов. Олимпиада IMO известна как самый сложный математический конкурс для школьников, где важны креативность и строгая логика.
Вей заявил, что это первый ИИ, который способен «строить сложные, безупречные доказательства на уровне человеческих математиков.» Решения модель генерировала при стандартных условиях: два тура по 4,5 часа, без помощи извне, все ответы написаны на естественном языке, использование инструментов не разрешалось. Ответы оценивали бывшие победители IMO анонимно. Полные решения опубликованы на GitHub.
В отличие от AlphaGeometry от DeepMind, который создан специально для задач по математике, новая модель OpenAI — это универсальная языковая система общего назначения. Вей указывает: «Мы достигли такого уровня не через узком специализированные методы, а через новые подходы к обучению с подкреплением и масштабированию вычислений в момент тестирования.»
Браун добавил, что модель опирается на «экспериментальные универсальные методы» и использует больше вычислительной мощности при тестировании, но технических деталей он не раскрывает.
«o1 думал секунды, Deep Research — минуты, этот думает часами», — отмечает Браун, подчеркивая, что модель стала более эффективной и ещё способна расти по мощности. Он считает, что даже небольшое преимущество над человеком способно ускорить научный прогресс.
Вей акцентирует, что OpenAI не планирует публичный релиз этой модели или схожих в ближайшие месяцы — это чисто исследовательский проект. GPT-5 выйдет «скоро», но он не связан с IMO-моделью, которая была разработана небольшой командой под руководством Вея.
Браун отмечает, что технология может стать продуктом, а дальнейшее развитие может пойти быстрее ожидаемого. По его словам, «это веха, которую многие ожидали только через несколько лет», и даже сотрудники OpenAI были удивлены результатом.
Объявление OpenAI выглядит как прямой ответ на провалы других ИИ на той же олимпиаде: математическая платформа MathArena.ai недавно тестировала ИИ-лидеров — Gemini 2.5 Pro, Grok-4, DeepSeek-R1, а также o3 и o4-mini от самой OpenAI. Ни одна модель не смогла набрать даже 19 баллов для бронзы. Лучший результат показал Gemini 2.5 Pro — 13 из 42 баллов, остальные справились ещё хуже.
Эксперты отмечают, что при тщательном тестировании, включавшем выбор лучших решений из 32 и проверки IMO-экспертами, модели дали много логических ошибок, неполные доказательства и даже вымышленные теоремы.
Таким образом, заявление OpenAI выглядит как реакция на выявленные ограничения других ИИ на IMO. Однако значимость достижения станет ясна только после независимой проверки и возможного применения к реальным научным задачам.
