​小红书大模型 IMO 满分夺金：中国 AI 首次登顶数学奥赛，第三题解法让冠军选手直呼优雅

dots-note-3.0在IMO2026拿满分金牌，比金牌线高13分

小红书dots-note-3.0在第67届国际数学奥林匹克竞赛（IMO2026）上以六道题全部答对的满分42分拿下金牌，成为继谷歌Gemini之后全球第二个达到IMO官方金牌水平的大模型——而且直接拿了满分，谷歌此前只答对5/6题（差7分）。这是中国大模型首次获得IMO官方金牌水平认证。IMO每年汇聚全球顶尖中学生，陶哲轩等半数当代菲尔兹奖得主都出自这个赛事。比赛分两天，每天4.5小时做3道题，覆盖代数、组合、几何和数论四个方向，每题7分，必须写出逻辑完整、可接受逐步审查的证明过程——对大模型来说难度极高。

谷歌Gemini的追赶作为参考

群里在传谷歌Gemini的IMO战绩：2024年首次挑战时只拿到28分银牌，而且需要先把题目翻译成Lean等形式化语言，部分题目耗时数天；2025年用Gemini Deep Think以自然语言端到端完成证明，4.5小时内解决5道题拿到金牌。数学竞赛被看作大模型智力与推理能力的试金石，而IMO相比常规Benchmark有个独特优势——未知性。每届赛题由专家命制并严格保密，模型没法提前针对性训练，只能靠实时理解、探索和严密推理。

本届难度高于去年，满分含金量更重

本届IMO金牌线定在29分，比去年的35分低了6分——意味着整套赛题得分难度明显高于去年。29分相当于完整解决4道题，再从剩余两题里拿1分就能进金牌区间，而dots-note-3.0全部答对，比金牌线整整多出13分。满分首先证明的是Agentic推理系统的稳定性：模型得读懂自然语言条件，判断关键信息，提出中间结论，并组织成完整证明，任何条件误读或推导跳步都会被评审直接揪出来。dots-note-3.0在六类不同问题中连续拿满，说明表现不是靠某道题的偶然灵感。

技术亮点：自然语言端到端+智能体+递归自我批判

模型直接以自然语言端到端处理，从问题理解到答案表达形成完整闭环，意味着它拥有可迁移的通用推理能力。具体答题时，dots-note-3.0采用智能体方式，结合自然语言和Python代码执行推理解题，还借助递归自我批判能力审视自身论证。真正让人意外的是第三题——一道组合博弈问题。常见解法是把原问题转化为图论连通性问题再建证明，但dots-note-3.0改用归纳法，抓住了问题最本质的结构，设计出恰到好处的归纳对象与命题。双CMO金牌得主刘涵祚评价它"正确且漂亮，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金牌得主汪千桐说它"简洁明了而且直击本质，每一步都顺理成章，但人类选手很难想到能从这个角度切入"。

这次亮相让谁难受

对小红书来说，IMO满分是一次重要的技术亮相。过去外界对它的技术认知集中在内容社区、推荐算法和内容理解，基础模型领域的位置一直缺公开权威的证明。IMO满分不一样——42分就摆在那里，不需要复杂解释，足以证明小红书已经具备值得行业认真审视的基础模型能力，基础模型领域出现了一个值得关注的新玩家。有消息称，dots-note-3.0即将开源。接下来盯着看：开源后开发者能不能直接复现它的推理能力？其他国产大模型（比如阿里、百度、智谱）会不会被逼着赶紧刷IMO分数来比拼？