Исследователь OpenAI Джерри Творек подтвердил в X, что для решения задач Международной математической олимпиады (IMO) новая модель почти не настраивалась специально для IMO, а продолжила обучение на базе универсальных языковых моделей. Все решения были написаны на естественном языке без использования специальных оценочных инструментов. Творек назвал этот результат настоящим научным прорывом команды Александра Вея и допустил, что модель могут опубликовать до конца года.
Творек добавил, что все важные анонсы OpenAI на неделе — система агентного ИИ, почти равная борьба с человеком в соревновании по программированию и решение пяти из шести задач IMO — были выполнены при помощи одной системы обучения с подкреплением. По его словам, агент ChatGPT работает на более ранней версии базы модели.
Появились слухи о том, что DeepMind тоже получила «золото» на IMO, хотя официального подтверждения пока нет. Год назад AlphaProof и AlphaGeometry от DeepMind сумели решить четыре задачи из шести и получили «серебро». Ясно, что OpenAI утверждает: используется стандартная языковая модель, но детали и методы DeepMind в этом году неизвестны. В 2024 году DeepMind применяла гибридную схему, объединив LLM и элементы классических алгоритмов поиска.
OpenAI сообщила, что их экспериментальная языковая модель решила задачи IMO-2025 на уровне золотой медали. Итоги еще не были независимо подтверждены. По словам исследователей OpenAI Александра Вея и Ноама Брауна, модель решила первые пять из шести задач IMO-2025, заработав 35 из 42 возможных баллов.
IMO считается самой сложной олимпиадой по математике для школьников, требующей изобретательности и строгой логики. Вей отметил: это первый ИИ, способный «строить сложные, непротиворечивые доводы на уровне профессиональных математиков».
Все решения создавались в реальных условиях соревнования: два раунда по 4,5 часа, без внешней помощи или инструментов, ответы полностью написаны на естественном языке. Проверяли их анонимно бывшие победители IMO. Полные решения опубликованы на GitHub.
В отличие от специализированной AlphaGeometry DeepMind, модель OpenAI — универсальная языковая модель, способная к рассуждению. «Мы вышли на этот уровень не благодаря узким методам, а проложив новый путь в универсальном обучении с подкреплением и увеличении вычислений на этапе тестирования», — пояснил Вей.
Браун подтвердил: модель опирается на «новые экспериментальные общие методы» и масштабирует вычисления при тестировании, но деталей не приводит. Он сравнил времена раздумий трёх поколений моделей: «o1 думал секунды. Deep Research — минуты. А этот думает часами». По мнению Брауна, даже небольшой перевес над человеком может двинуть науку вперёд.
OpenAI пока не планирует публиковать эту модель или похожую в ближайшие месяцы: это исследовательский проект. Вей подчеркнул, что GPT-5, который появится «скоро», не имеет отношения к IMO-модели. Над ней работала небольшая команда под его руководством.
Браун считает, что технология однажды станет продуктом, а быстрый прогресс означает — следующие версии будут лучше. Он подчеркнул: результат настолько впечатлил OpenAI, что его сочли «вехой, которую ожидали лишь через несколько лет».
Anонс OpenAI выглядит ответом на неудачные попытки других ИИ решить задачи IMO-2025. По итогам независимого тестирования на платформе MathArena.ai ни одна из ведущих моделей (Gemini 2.5 Pro, Grok-4, DeepSeek-R1, OpenAI o3 и o4-mini) не дотянула даже до бронзы. Gemini 2.5 Pro набрала 13 из 42 баллов, остальные — еще меньше.
Даже при тщательных проверках результаты ИИ-претендентов были слабыми: логические ошибки, неполные рассуждения, вымышленные теоремы.
На этом фоне успех OpenAI выглядит значимым, но его ценность подтвердится только после независимых повторов и пользы для реальных научных задач.
