Claude Opus 5 набрал 42/42 на IMO, и это уже не выглядит чудом
Claude Opus 5 набрал 42/42 на IMO, и это уже не выглядит чудом
Anthropic в системной карте Claude Opus 5 сообщает, что модель решила все шесть задач International Mathematical Olympiad 2026 и получила 42 балла из 42. Важно: речь не об официальном участии в олимпиаде, а о внутренней оценке Anthropic по опубликованным задачам и решениям.
Условия при этом выглядят намеренно строгими. По описанию компании, Opus 5 решал задачи без инструментов и без агентной обвязки: только текстовое рассуждение, просьба дать строгое самодостаточное доказательство и лимит вывода в 256 тысяч токенов. Для каждой задачи модель сгенерировала по четыре независимых решения, всего 24. Панель из Gemini 3.1 Pro, Claude Opus 4.6 и Claude Mythos Preview признала их корректными только при единогласии. Затем человеческие эксперты проверили по одному заранее выбранному решению на каждую задачу и тоже поставили 7/7.
Почему результат надо читать осторожно
Официальная таблица IMO показывает, что в 2026 году порог золота был 29 баллов из 42. На бумаге 42/42 означает не просто золотую медаль, а идеальный результат. Но это не то же самое, что школьник в зале олимпиады: Opus 5 не соревновался в официальном режиме, а эксперты проверяли выбранный пакет решений после генерации.
Поэтому аккуратная формулировка такая: Anthropic утверждает, что по IMO-рубрике проверенные решения Claude Opus 5 соответствуют 42/42. Этого достаточно, чтобы зафиксировать технологический сдвиг, но недостаточно, чтобы писать «ИИ официально выиграл IMO».
IMO перестаёт быть финальным боссом
Контекст за два года изменился резко. В 2024-м Google DeepMind подавала AlphaProof и AlphaGeometry 2 как большой прорыв: специализированная система решила 4 из 6 задач IMO, получила 28/42 и дотянулась до серебряного уровня. Там были формальные переводы задач, Lean, отдельная геометрическая система и до трёх дней поиска решения для некоторых задач.
Теперь похожий по масштабу инфоповод выглядит почти как раздел в system card. Параллельно вокруг свежих frontier-моделей идут неофициальные прогоны по задачам IMO. Они не заменяют официальную верификацию и часто устроены менее строго, чем проверка Anthropic, но меняют ощущение рубежа: вопрос смещается от «может ли ИИ вообще?» к «насколько стабильно, дёшево и проверяемо он это делает?».
Для математики это важнее медальной метафоры. IMO была удобным символом сложного человеческого рассуждения, но быстро стареет как главный тест frontier-ИИ. Следующий настоящий рубеж: не набрать золото на шести задачах, а регулярно строить проверяемые доказательства, формализовать их в Lean или Isabelle и помогать с исследовательской математикой, где заранее нет красивой олимпийской рубрики на 42 балла.
