小红书这次真是低调办大事！

刚刚，IMO 2026成绩正式揭晓，大模型领域的年度比拼达到了全新高度。令人意外的是，首个获得官方评卷满分的，竟然是小红书？？？

经IMO官方权威评定，小红书大模型dots-note-3.0在六道题目中全部作答正确，以满分成绩成功斩获金牌。这一成绩含金量几何？简单来说，这是中国大模型首次获得IMO官方金牌水平认证，同时也是继谷歌Gemini模型之后，全球第二个达到该成就的大模型。更值得关注的是——是满分！谷歌当年也只完成了5/6的题目……

太令人震撼了，这还是我们熟悉的小红书吗？首次亮相世界级竞赛，就实现了开门红～

进一步深挖发现，小红书大模型dots-note-3.0的解题方式同样令人眼前一亮：它仅依靠自然语言就完成了从读题、解析到撰写证明的全过程，最终答案不仅全部正确，还在部分题目上创新性地提出了非常规解法。

图片由AI生成

双CMO金牌得主刘涵祚在审阅后评价道：

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

CMO金牌得主汪千桐也给出了类似的结论：

从数学审美的视角来看，小红书大模型dots-note-3.0的解答非常漂亮且优雅。常规解法已经足够巧妙，但dots直接攻克了题目中最难、也最核心的部分。

在他看来，dots的解题过程简洁明了且直击本质。看完之后，会觉得每一步都顺理成章，但真正面对题目时，人类选手很难想到从这个角度切入。换句话说，IMO满分金牌或许还远未触及小红书大模型dots-note-3.0能力的上限。

为什么当前的大模型需要IMO

首先科普一下，IMO究竟是什么，以及为何各大厂商都在争相将自家大模型送上考场。

IMO全称为国际数学奥林匹克竞赛，每年吸引全球最顶尖的中学生参与。陶哲轩等近半数当代菲尔兹奖得主均出身于IMO，谷歌联合创始人Sergey Brin也曾获得IMO金牌。比赛通常分两天进行，每天4.5小时需完成3道题，共计6道题，覆盖代数、组合、几何和数论四大方向。每题7分，满分42分。但仅有答案远远不够，参赛者必须提供逻辑完整、可接受逐步审查的证明过程才能得分。

对于大模型而言，这无疑是极高难度的挑战，却也是最直观的能力展示方式。以Gemini为例，2024年谷歌首次挑战IMO，最终仅获得28分的银牌成绩，当时系统还需将自然语言题目翻译成Lean等形式化语言，部分题目甚至耗时数天。第二年卷土重来，Gemini Deep Think直接采用自然语言端到端完成证明，在4.5小时内解决5道题，成功斩获金牌。

这背后是一次跨代的能力跃迁。从深层次看，数学是大模型智力与推理能力的试金石，大模型在IMO这类数学竞赛中表现越突出，越能彰显其底层优势。

再举一个最近的例子，就在本周，Fable 5参与构造了一个雅可比猜想的反例。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也在此折戟。此次发现的反例虽尚未经过正式同行评审，但标志着大模型现阶段的能力已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。

此外，IMO相比Benchmark还有一个得天独厚的优势——未知性。每届比赛的赛题均由专家命制，在正式比赛前严格保密。这意味着模型不可能提前获取原题，实时参与当届比赛，也能确保模型无法进行针对性训练。

一位头部模型研究员对此给出了如下判断：

在当下的模型训练中，基本可以认为，互联网上一旦出现某些数据，很快就会被模型拿去训练，模型也就知道了。因此，要测试一个模型是否真正聪明，只能测试那些尚未公开的内容。

这正是同步参与官方IMO测评对于大模型而言最难复制的价值所在。

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

而且，仅有新题还不够，官方评测采用严格的当届赛事流程。每个比赛日学生考试结束后，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，工作人员仅负责保障系统运行。最终答卷由来自不同国家的IMO评审员，按照正式标准进行审阅。

本届新题、规定时间、完整证明、第三方专业评审——当这些条件同时满足，才使IMO成为目前难以通过背题和包装规避的能力大考。

一分未丢，比拿到金牌更难

正因如此，此次小红书大模型dots-note-3.0斩获金牌，且是满分，才显得格外引人注目。

六道题全部答对，首先证明了Agentic推理系统的稳定性。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。在整个过程中，任何条件被误读、任何推导跳步，都会留下可被评审直接指出的漏洞。小红书大模型dots-note-3.0能在六类不同问题中连续拿满，意味着其表现并非依赖某一道题上的偶然灵感。

其次，小红书大模型dots-note-3.0直接一步到位，采用自然语言端到端处理，意味着模型能够像人类选手一样直接理解题目、自主寻找路径，具备从问题理解到答案表达的完整闭环。这代表模型拥有可迁移的通用推理能力。

具体而言，在本次答题过程中，小红书大模型dots-note-3.0以智能体的方式，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，还借助递归自我批判能力，审视自身论证，从而解决更多现实中的复杂任务。

图片由AI生成

不过，真正令人惊喜的，还是第三题所展现出的模型创新思维。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，是先将原问题转化为图论中的连通性问题，再借助图论语言构建证明。这条路线本身已十分巧妙，但小红书大模型dots-note-3.0并未沿用，而是转而采用归纳法。小红书的解法抓住了问题最本质的结构，设计出了恰到好处的归纳对象与归纳命题。

这也解释了，为何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，让人自然而然地产生一种恍然大悟的感觉。

回到结果本身，模型能在本届拿下满分，实际上相当不易，可以从以下几个层面来看。

第一层，本届整套赛题的得分难度明显高于去年。2026年IMO金牌线为29分，去年则高达35分，短短一年时间，金牌线下降了6分，几乎相当于一整道题的分数。因此，这一届的金牌，相较于去年的Gemini，分量更重。

第二层，满分与金牌之间仍有差距，今年整整相差13分。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，即可进入金牌区间。而小红书大模型dots-note-3.0全部投入，直接达到了这套试卷所能衡量的最高点。毕竟老话说得好，满分只是卷面的上限，并非它的上限。金牌固然代表进入全球最顶尖的一批，但满分则意味着在这批顶尖选手中，再完成一次极小概率的筛选。

小红书大模型dots-note-3.0即将开源

选择IMO作为起点，也是小红书非常明智的一步。如今行业内，要将大模型底层技术能力推广出去，通常有两个方向，一是Coding，另一个就是数学。原因也很简单：这两种任务的结果，难以通过语言包装蒙混过关，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、业内认可度也足够，直接呈现的是模型面对高难度未知问题时展现出的深度推理能力。

因此，对小红书而言，这是一次重要的技术亮相。

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方面。在基础模型领域，小红书究竟处于什么位置，一直缺少一份足够公开、权威且无需复杂解释的成绩单。参数规模难以直接等同于能力，常规Benchmark上的几个百分点，也难以让行业形成清晰认知。

IMO满分不同，42分就摆在那里，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。它用一枚IMO满分金牌，让行业第一次看清了自己的技术实力——基础模型领域，出现了一个值得关注的新玩家。

P.S.对应模型即将开源，敬请期待～