小红书dots模型AI拿下IMO满分金牌，42分比肩全球7位人类天才

IMO满分金牌——这是AI数学推理能力的"图灵测试"级别里程碑

2026年7月21日，这一天，注定将被载入人工智能的发展史册。小红书dots团队携dots-note 3.0模型参加了第67届国际数学奥林匹克竞赛（IMO 2026），最终成绩令人震撼：六道题目全部获得满分，以42/42分的成绩摘金。在全球范围内，仅7位人类参赛者达到了这一卓越水平。

这并非一个简单的"AI又考了个高分"的新闻。IMO是地球上难度最高的数学竞赛，没有之一。每年，全球最顶尖的高中生在IMO赛场上激烈角逐，能够获得满分的选手凤毛麟角。2026年，全球仅有7位人类选手荣获满分金牌。如今，人工智能也实现了这一壮举。

更令人瞩目的是：dots-note 3.0无需依赖形式化语言，能够直接读取原始的LaTeX题目，并凭借其递归自我批判能力，端到端地完成解题过程。而且，它还是dots3系列中参数规模最小的模型。

"IMO满分金牌这个里程碑，其背后是模型递归自我批判能力的重大突破。不依赖形式化验证就能给出严谨的数学证明，这为数学推理研究领域释放了真实信号，从事推理方向的研究者值得深入研读。"——AIHOT编辑推荐语

IMO满分意味着什么？不仅仅是"AI会做题"

许多人会问：AI能够考出IMO满分，这究竟与我们有何关联？

答案是：IMO满分所验证的，不是"AI会做题"的能力，而是"AI具备了推理能力"这一事实。

IMO的题目绝非"1+1=2"的简单计算题。每一道IMO题目都要求解题者具备创造性的数学思维——你需要从零开始构建证明思路，尝试不同的解题路径，在遇到死胡同时能够回溯，并最终找到一条优雅的证明之路。这远非"模式匹配"所能解决，这是真正的"推理"过程。

过去，AI在数学推理领域的表现始终差强人意。大型语言模型可以"背诵"已知的数学定理，但面对需要原创性思维的新问题时，往往会"胡编乱造"。这正是IMO一直被视为AI"终极考场"的原因——它考察的不是知识储备，而是创造力。

dots-note 3.0的满分成绩，意味着人工智能首次在需要"创造性推理"的顶级智力竞赛中，达到了人类顶尖水平。这并非"AI的记忆力比人类强"，而是"AI的推理能力正在逼近人类"。

递归自我批判——让AI在解题过程中不断"反思"自己的推理，是这次技术突破的核心

递归自我批判：dots-note 3.0的核心秘诀

dots-note 3.0最引人注目的技术特点，便是其递归自我批判能力。

究竟什么是递归自我批判？简单来说，就是让模型在解题过程中持续"反思"自己的推理是否正确。传统的大模型在推理时往往是"一条路走到黑"——给出一个答案，然后坚持这个答案不动摇。但dots-note 3.0截然不同：它在生成每一步推理之后，会主动检查这一步的逻辑是否严密、是否存在漏洞、是否还有更优雅的解法。

这类似于人类数学家的工作方式：并非"写下一个答案就完事"，而是"反复推敲、反复修改、反复验证"。高斯不会因为第一次尝试就得到正确答案而停止——他会继续寻找更优美的证明。dots-note 3.0的递归自我批判，本质上是在模拟这种"数学家式的思维模式"。

值得注意的是，dots-note 3.0不依赖任何形式化验证工具（如Lean、Coq等）。这意味着它无需将数学问题翻译成形式化语言，而是直接读取人类撰写的LaTeX题目，运用人类的数学语言进行推理。这一能力，比依赖形式化工具的方案更接近"人类式的数学思维"。

小红书做AI？从"种草"到"IMO金牌"的跨越

许多人对于小红书的印象还停留在"种草平台"。然而，dots团队在AI数学推理领域的突破，让人们不得不重新审视这家公司的技术实力。

小红书dots团队并非突然崛起。dots系列模型一直在数学推理、代码生成等方向上深耕细作。dots3系列在多个基准测试中均表现出色。但IMO满分金牌，无疑是其最具冲击力的"成绩单"。

这背后折射出中国AI行业一个值得关注的发展趋势：非传统AI公司正在AI核心技术领域取得突破。不仅仅是BAT和字节跳动，小红书、快手、美团等公司也在AI研发上投入了巨额资源。这些公司拥有独特的业务场景和海量数据，当它们将AI能力与自身业务深度融合时，往往能产生意想不到的化学反应。

dots-note 3.0预期将开源，这意味着全球的数学家和AI研究者都能够基于这个模型进行更深入的研究。这不仅是小红书的胜利，也是开源AI社区的胜利。

从"会解题"到"能发现新的数学定理"——AI数学推理的下一站

从IMO满分到"AI数学家"：还有多远？

IMO满分是一个重要的里程碑，但它并非终点。从"能解IMO题"到"能发现新的数学定理"，中间还横亘着巨大的鸿沟。

IMO的题目，无论多难，本质上都是"已知有解"的。每道题都有标准答案，且经过评委会提前验证。AI所做的是"找到已知的答案"。然而，真正的数学研究，面对的是"不知道有没有解"的问题——你甚至不确定答案是否存在，也不确定这条路是否走得通。

这种"在不确定性中探索"的能力，是当前AI所不具备的。人类数学家可以花费数年甚至数十年研究一个猜想（例如费马大定理，历经358年才被证明），但AI目前还无法胜任这种"长期、开放式"的探索工作。

不过，腾讯混元同日发布的Hyra-1.0模型给出了一个方向：递归自我改进的研究智能体。Hyra在55个数学开放问题中刷新了29个历史最佳结果。如果dots的"递归自我批判"与Hyra的"递归自我改进"能够结合，AI自主进行数学研究的那一天，或许比我们想象的更近。

AI数学推理的三条技术路线

形式化验证路线（Lean/Coq）：将数学问题翻译成形式化语言，使用定理证明器进行验证。优点是100%可靠，缺点是翻译成本高、灵活性不足。

端到端推理路线（dots-note 3.0）：直接读取人类数学语言，自主进行推理。优点是灵活、贴近人类思维，缺点是可靠性不如形式化验证。

递归自我改进路线（Hyra-1.0）：让AI在推理过程中不断优化自己的策略。优点是可能发现人类尚未发现的解法，缺点是稳定性有待提升。

冷静看待：IMO满分背后的"冰山"

尽管dots-note 3.0的IMO满分令人振奋，但仍有几个现实问题值得冷静思考：

42分≠42分。AI的42分与人类的42分，在意义上并不完全相同。人类选手在考场上仅有几个小时，无法查阅资料，也无法重试。AI的"考试环境"是否与人类完全一致？如果AI可以多次尝试、并选择最优答案，那么该"满分"的含金量就需要更透明的评估标准。

最轻量级模型拿满分，说明了什么？dots-note 3.0是dots3系列中最轻量级的模型。这固然说明了"小模型也能有大能力"，但反过来也意味着：IMO题目可能被"过拟合"了。如果模型在训练数据中见过类似题目，那么满分就不完全等同于"推理能力"的体现。

从"解题"到"发现"的鸿沟。如前所述，IMO题目是"已知有解"的。真正的数学研究是"探索未知"。AI能否从"解题工具"进化为"发现工具"，是下一个需要回答的问题。

IMO满分金牌是一座里程碑，但其真正意义不在于"AI比人类聪明"，而在于"AI终于开始理解'推理'这件事了"。当AI不仅能"算出"答案，还能"想出"答案、"批判"自己的答案时，我们距离通用人工智能就更近了一步。这条路，才刚刚开始。