人类夺冠欢呼未落，AI直接“砸场子”

上海的七月热浪滚滚，第67届国际数学奥林匹克（IMO）刚刚落下帷幕。本届中国队斩获桂冠，三名天才少年更是一举拿下42分满分。

然而，现场掌声还没停，GitHub 上就悄悄扔下了一枚重磅炸弹：前 Google 工程师 Deedy Das 搞了一场全网前沿 AI 大横评，让 7 个大模型单挑 IMO 2026 全部 6 道题。结果惊呆了所有人：

  • Claude Fable 5：狂揽 42 分满分，只花了 2.5小时，耗资 51 美元。
  • GPT-5.6 Sol (xhigh)：同样 42 分满分，用时 3.8 小时，把成本压到了极低的 20美元。
  • Kimi K3：紧随其后满分过关，虽然奋战了 17.4 小时，但也只花了 31美元。
  • AxiomProver：独立交卷的这股新势力，同样登顶满分！

要知道，在过去 7 年的 IMO 比赛里，4347 名人类最强大脑参赛，只有 30 人摸到过满分的门槛，比例仅为 0.69%。而现在，AI 直接批量制造满分。

成绩单断层碾压：不仅要满分，还要看姿势

虽然这几位“AI学霸”都拿了满分，但直接把第四名（28分）甩开了14分的鸿沟，可以说领先优势是断层式的。更有意思的是，它们拿满分的“姿势”截然不同。

  • Claude Fable 5 是“速通大神”：一波流打得干脆利落。整个过程只有 9 轮对话，6 轮有效输出，耗磨时间最长的一题也就花了 73 分钟。可以说是全场最丝滑的做题体验。

  • GPT-5.6 Sol 是“成本控制狂魔”：这哥们稍微有些小坎坷，中途被网络故障打断两次。但在算力控制上堪称恐怖，总输出仅仅 23 万 Token，是用最少的钱办了最大的事。

  • Kimi K3 则像个不知疲倦的“算力巨兽”：这款 2.8 万亿参数的模型一口气喷涌出 154 万 Token！光 P3 一道题它就发起了 6 次冲锋，硬生生鏖战了 491 分钟才破局出关。

【编辑观察】AI 的数学能力进化速度简直让人脊背发凉。在长逻辑推演过程中，它们不仅没有“智障幻觉”，还能自我纠错。不过场上也有个反面教材——马斯克家的 Grok 4.5 不仅在压轴题上垫底交了白卷（只花 0.18 美元），还陷入了疯狂的幻觉，信誓旦旦声称自己“写入了证明文件”却根本没动工具。可见模型不仅要脑子好，Agent 动手能力也得跟上。

数学直觉的正面交锋：它们甚至懂玄学？

在相对单纯的 P1 题中，所有 AI 展现出来的逻辑美感极强。这道题的要求是证明黑板上的数经过一番反复且复杂的操作后，最终必定会只剩下一个数字，并且这个结果完全不依赖操作的先后顺序。

Claude Fable 5 的做法非常“开挂”：它直接生造了一个每步都会缩水的无敌计数器，一招破题，干净利落地断言过程一定有限。而 GPT-5.6 Sol 的解法則显得比较极客：它通过追踪所有数字的乘积，把问题优雅地降维到了字典序递减，用不可能无限递减的性质证明了终局。

虽然路子大相径庭，但最终的答案分毫不差，这让人不得不惊叹大模型的“数学直觉”。

极其恐怖的工作流，与改变未来的伏笔

在这场 AI 神仙打架的背后，还隐藏着一位关键人物和她的公司：Axiom Math 的创始人、25岁的广州天才少女洪乐彤。

她和她的团队把这 6 道刁钻的 IMO 人类考题，逐字逐句翻译成了机器能够完全理解的形式化语言（Lean 4）。正因为有了这一步，AI 才得以脱离人类裁判，直接靠自己的代码产出 Lean 证明、交由机器编译器自动判分，把主观性降至了零。

这些动辄写下几千行严格证明的模型，手里握着的其实早已不只是解数学题的能力。

当它们真正掌控这种每一步不能跳、不能错、不能含糊的长链条逻辑推导，我们普通人的生活又会被怎样重构？以后哪怕是合同条款有没有漏洞、保险理赔条件到底满不满足、巨额税务方案合不合规，只要剥开表象，其实全都是同一类的长逻辑问题。

如今，这群曾只活在实验室的高智商 AI，已经做好了进入平民设备、颠覆服务形态的准备。遇到棘手问题？也许你很快就只需要花几美元，就能得到比全世界 99% 的砖家都靠谱的硬核推导。