小红书大模型IMO满分夺金，第三题解法让冠军选手直呼优雅

哈？小红书你真是闷声干大事啊！

刚刚，

成绩新鲜出炉，大模型交卷今年卷到了新高度。结果第一个拿到官方评卷满分的居然是？？？

经IMO官方评定，

，六道题全部答对，以满分成绩斩获金牌。含金量有多高呢？这么说吧，这是中国大模型首次获得IMO官方金牌水平认证，也是继谷歌Gemini模型之后，全球第二个达到该成绩的大模型。而且划重点——是！谷歌当年也只答对了5/6……

震惊了，这还是我印象中的小红书吗？首次登上世界级竞赛，就来了场开门红～

再往下深扒，小红书大模型dots-note-3.0的解题方式也让人眼前一亮又一亮：它

就完成了从读题、解析到写证明的全过程，最终答案不仅全部正确，在部分题目上还创新地提出了。

图片由AI生成

双CMO金牌得主

看完后这样评价：

模型最终给出了一条正确且漂亮的证明思路。这种解法结构紧凑、逻辑自然，即使放在IMO解答中，也属于较为简洁优雅的一类。

CMO金牌得主

也给出了相似的结论：

从数学审美的角度看，小红书大模型dots-note-3.0的解答非常漂亮也很优雅。常规解法已经很巧妙，但dots直接攻克了题目最难、也最本质的部分。

在他看来，dots解题

。看完以后，会觉得每一步都顺理成章，但真正拿到题目时，人类选手很难想到能从这个角度切入。换句话说，IMO满分金牌或许还远不是小红书大模型dots-note-3.0能力的上限。

为什么当前的大模型需要IMO

先来个科普，讲讲IMO究竟是什么，又为何各家都在争先送自家大模型上考场。

IMO又叫

，每年全世界最顶尖的中学生云集于此。陶哲轩等几乎半数当代菲尔兹奖得主都是从IMO出来的，谷歌联创Sergey Brin也拿过IMO金牌。比赛一般分两天进行，每天4.5小时需要完成3道题，总计6道题，覆盖代数、组合、几何和数论四个方向。每题7分，满分42分。但光有答案还不算数，参赛者要想拿分，必须写出逻辑完整、能接受逐步审查的证明过程。

这对大模型来说，难度极高，却也是最直观的能力展示途径。以

为例，2024年谷歌首次挑战IMO，最终只拿到28分的银牌水平，彼时系统也还需要先将自然语言题目翻译成Lean等形式化语言，部分题目耗时甚至长达数天。第二年卷土重来，Gemini Deep Think直接以自然语言端到端完成证明，用4.5小时就解决了5道题，获得金牌。

这背后是一次跨代的能力跃迁。往深了说，数学就是大模型智力与推理能力的试金石，大模型在IMO这类数学竞赛中走得越远，越能说明其底层优势。

再举个最近的例子，就在本周，

参与构造了一个雅可比猜想反例。该猜想自1939年提出以来悬而未决长达87年，连张益唐等顶尖数学家都曾在此折戟。这次找到的反例虽尚未经过正式同行评审，但也标志着大模型现阶段的能力足以参与真正的数学发现。而数学竞赛，正是模型进入科研深水区之前，那道最硬核的能力门槛。

除此之外，IMO还有一个相比Benchmark得天独厚的优势——

。每届比赛的赛题都是由专家命制，在正式比赛前严格保密。也就是说，模型不可能提前拿到原题，实时参与当届比赛，也能够确保模型无法提前进行针对性训练。

一位头部模型研究员对此给出了这样的判断：

在今天的模型训练里，你基本可以认为，互联网上一旦出现了某些数据，很快就会被模型拿去训练，模型也就知道了。所以如果要测试一个模型到底聪不聪明，

只能测一些没有公开过的东西

。

这恰是同步参与官方IMO测评之于大模型最难复制的价值。

它考验的不是模型记住了多少题目和数学知识，而是在一个真正未知的问题第一次出现时，模型能否独立理解、探索，并最终完成严密推理。

而且只有新题还不够，官方评测采用的是严格的当届赛事流程。每个比赛日的学生考试结束后，模型团队才会收到当天题目，并须在规定期限内提交PDF答卷。模型将直接阅读英文题目并生成证明，工作人员只负责保障系统运行。最终答卷则由来自不同国家的IMO评审员，按照正式标准进行审阅。

——当这些条件同时成立，才让IMO成为现下很难靠背题和包装绕过去的能力大考。

一分没丢，比拿到金牌更难

正因如此，这次小红书大模型dots-note-3.0能拿到金牌，还是满分，就显得格外醒目。

六道题全部做对，首先证明的是

。模型需要读懂自然语言条件，判断哪些信息真正关键，提出可能成立的中间结论，再将它们组织成一套完整证明。整个过程中，任何一个条件被误读、任何一次推导跳步，都会留下可以被评审直接指出的漏洞。小红书大模型dots-note-3.0能够在六类不同问题中连续拿满，意味着它的表现并非依赖某一道题上的偶然灵感迸发。

其次，小红书大模型dots-note-3.0直接一步到位，使用自然语言端到端处理，也意味着模型能够像人类选手一样直接读懂题目、自主寻找路径，具备从问题理解到答案表达的完整闭环。它代表模型拥有

。

具体来说，在本次答题过程中，小红书大模型dots-note-3.0用

的方式，让模型使用自然语言结合python代码执行来推理解题。在推理过程中，也会借助递归自我批判能力，审视自己的论证，从而解决更多现实中的复杂任务。

图片由AI生成

不过，让人真正感到惊喜的，还是第三题传递出的

。这是一道组合博弈问题，网上关于本届IMO赛题讨论的常见解法，是先将原问题转化成图论中的连通性问题，再借助图论语言建立证明。这条路线本身已经非常巧妙，但小红书大模型dots-note-3.0没有沿用它，而是转用。小红书大模型dots-note-3.0的解法，，设计出了恰到好处的归纳对象与归纳命题。

这也解释了，为什么CMO得主汪千桐会用漂亮和优雅来形容这套答案。小红书大模型dots-note-3.0对问题结构的剖析之深，会让人自然而然产生一种恍然大悟的感觉。

回到结果本身上，模型能够在本届拿下满分，其实相当不易，我们可以从以下几个层面来看。

2026年IMO金牌线为29分，去年则高达35分，短短一年，金牌线下降了6分，几乎是一整道题的分数。所以这一届的金牌，较之去年的Gemini，分量更重。

29分意味着，选手完整解决4道题，再从剩余两道题中拿到1分，就已经能够进入金牌区间。而小红书大模型dots-note-3.0全部all in，直接抵达了这套试卷能够衡量的最高点。毕竟老话说得好，满分只是卷面的上限，不是它的上限。金牌的确代表进入了全球最顶尖的一批，但满分则代表在这批顶尖选手中，再完成一次极小概率筛选。

小红书大模型dots-note-3.0即将开源

选择

作为起始站，也是小红书非常聪明的一步。如今行业内，想要把大模型底层技术能力推广出去，一般是两个方向，一个是，另一个就是。原因也很简单，这两种任务的结果，都很难靠语言包装蒙混过关，相比知识问答和主观评测，它们更直接地考查模型能否真正理解复杂问题、拆解任务并持续推进。IMO更是其中的佼佼者，知名度高、业内认可度也够，直接给到的是模型面对高难度未知问题时，所展现出的深度推理能力。

所以对小红书而言，这是

。

过去，外界对小红书的技术认知，更多集中在内容社区、推荐算法和内容理解上。在

领域，小红书究竟处于什么位置，一直缺少一份足够公开权威，而且不需要复杂解释的成绩单。参数规模很难直接等同于能力，常规Benchmark上的几个百分点，也难让行业形成鲜明认知。

IMO满分不一样，42分就摆在那里，足以证明，

。它用一枚IMO满分金牌，让行业第一次看清了自己的技术成色——基础模型领域，出现了一个值得关注的。

P.S.对应模型即将开源～敬请期待