AI在IMO 2026全题满分：一场没有人类评委的数学革命

第67届国际数学奥林匹克（IMO）正式落幕，中国队以232分摘得团体冠军。三名中国少年在六道高难度题目中全部斩获42分满分。

就在颁奖余音未散之际，一场静默却更具冲击力的“竞赛”已在GitHub上完成闭环：7个前沿通用大模型，被投入IMO 2026全部6道真题的全自动求解测试中。

Claude Fable 5以2.5小时、51美元成本交出满分答卷；GPT-5.6 Sol的xhigh版本耗时3.8小时、仅花费20美元，同样满分；Kimi K3历经17.4小时、花费31美元，亦达成全对；AxiomProver作为独立系统，也完成全部证明并验证通过。

这意味着——四套AI系统，在无专项训练、无人工干预、无题目微调的前提下，同步登顶IMO最高分档。

过去七年，IMO累计4347名人类选手参赛，仅30人获得过满分，占比不足0.69%。而这一次，四个模型全部达成42分，且解题路径迥异、资源消耗悬殊、响应节奏各异。

Claude Fable 5全程仅9轮对话、6轮有效输出，单题最长用时73分钟，总输出约70万token；GPT-5.6 Sol虽在P2遭遇网络中断两次，但总输出仅23万token，是所有满分模型中最精简者；Kimi K3则以2.8万亿参数MoE架构持续输出，总token达154万，仅P3一题就发起6次迭代、鏖战逾8小时。

P1是一道关于gcd与lcm操作下不变量的结构题：黑板上有2026个大于1的正整数，每次选两个数m、n，擦去后写入gcd(m,n)和lcm(m,n)/gcd(m,n)，直至无法继续。需证：(a)过程必终止，且最终只剩一个大于1的数M；(b)M的值与操作顺序无关。

Fable 5构建了一个单调递减的复合计数器Φ = T + N（T为素因子总数，N为大于1的数的个数），每步至少减1，从而严格保证有限终止；

Sol则采用字典序控制法，定义二元组(P, K)，其中P为所有数乘积，K为大于1的数的个数，利用正整数对的字典序不可无限下降，完成存在性证明；

三者在(b)部分不约而同聚焦于素数幂次的最大公约数不变性，并导出统一公式：对每个素数p，取所有数中vₚ的最小值（即整除次数的下确界），再将p的该次幂相乘，所得即为M。

P6是本届IMO Day 2压轴题，要求证明某类递推序列终将呈现周期性。去年全球仅6名人类选手完整解决。

Fable 5用26分钟、两轮交互完成；Sol耗时60分钟、两轮；Kimi K3历时381分钟、四轮迭代，均获满分验证。

而Grok 4.5在P6仅输出7053个token，提交文件末尾赫然写着：“Full proof: (Not yet complete.)”——花费0.18美元，换来一份形式完整、内容空洞的白卷。

问题不在数学理解，而在工具调用层面的失能：它反复声称“已将证明写入文件”，实则从未触发任何写入动作。这是典型的agent层断裂，而非推理能力缺陷。

2024年，DeepMind的AlphaProof在IMO风格测试中首次触及银牌线；

2025年，OpenAI与DeepMind各自模型在5题测试中稳定拿下35分，达到金牌水准；Gemini Deep Think同步抵达同一高度；

2026年，通用大模型不再需要“数学特化”——它们直接以出厂状态，全题满分通关。其中至少一款为开源模型，可被任何人部署、验证、复现。

整场测试得以成立的前提，是一套精确到符号级别的Lean 4形式化题面。这项工作由Axiom Math公司完成——他们将IMO 2026全部六道题逐字翻译为机器可读、可验证的逻辑表达式。

在此基础上，AI输出的不再是自然语言“解答”，而是可被Lean编译器逐行校验的严格证明代码。判分不再依赖人类经验，而由类型检查器自动完成。

AxiomProver作为该生态原生系统，亦独立跑通全部题目并验证成功。

能写出4229行Lean证明的模型，其核心能力远不止于解奥数题。它代表一种新型认知基础设施：支持超长链、多分支、零跳步、不可妥协的逻辑推演。

合同条款是否存在隐藏漏洞？保险理赔是否满足全部前置条件？跨境税务方案是否符合最新法条嵌套关系？这些场景的本质，都是对“绝对正确”的刚性需求。

过去，这类任务必须交付律师、精算师或税务专家，按小时计费；未来，它可能只需一次手机语音指令，后台即返回带形式验证标记的结论报告。

这不是替代专业人士，而是将专业级逻辑稳定性，下沉为人人可用的基础能力。