OpenAI的一个员工连续发了11个帖子，称他们的内部实验模型已经可以拿到国际数学奥赛金牌，真是这样吗？这款模型实力到底如何？
要回答这个问题，我们首先要确定一个共识：那就是像OpenAI这样的公司不管是CEO奥特曼，还是任意员工在公开社交媒体发布信息，都肯定是精心策划的具有明确目的性的商业行为。
说白了，他们说话，绝不可能像普通人发个朋友圈一样，而是想要达到类似于Marketing营销的效果。
第一个帖子就很讲究，直接1/N开头，表明还有更多信息，但具体不知道多少，给人期待值。另外直接说了OpenAI一个实验中的模型达到了世界上最著名的数学竞赛IMO金牌水平。
IMO就是数学竞赛中的奥林匹克比赛，能拿到金牌的都是能力万中无一的人，图中可以看到这些人后来成就都远超普通人。
而AI能拿到这个级别的分数，其实OpenAI就在这里埋下一个“隐喻”，那就是OpenAI的模型依旧冠绝全世界。
配图也暗示了这一点儿，它用的是草莓+金牌。
草莓的单词是strawberry，不知道大家记不记得，去年年底有一个巨大的hype，就是OpenAI在秘密的训练名叫Q和Strawberry的模型，现在我觉得GPT5的代号就是Strawberry。
我的假设基于8/N条推，发帖人说了，GPT5马上要发布，因为他是代表OpenAI发的这个帖子，并且没有删除或者其他争议，那说明这个信息就是OpenAI公关部门或者市场营销部门共同参与编写的，所以真实度很高
同时他还说，拿到IMO金牌的模型是一个实验性质的模型，近几个月内不准备发布。
那说明了什么，这个实验模型大概率是基于GPT5做的post-training，极有可能是o系列的，甚至有尽可能就叫o4-ultra或者o4-heavy之类的名字。
我的想法基于第3和4条twitter，作者说了，IMO题目的难度必须要经过超长时间的思考，所以大模型LLM reasoning的时间就得从几秒延长到100mins，这个数据远超市面上的reasoning LLM的时间，特别是过长的reasoning会被认为是死锁被强制的切断。
那么这个reasoning时间>=10 mins的实验版，一定是基于GPT5，做的超长reasoning frame的超重型模型，专门用来做超级复杂问题的推理模型。
结合第二个帖子看，他宣称实验模型和人类一样的规则，2个4.5小时的时间，不用工具或者网络，单纯凭借模型本身的能力。
这就也变相的印证了第五个帖子的核心信息，这也是OpenAI想要秀的肌肉。
他强调，这一成就并非通过“狭隘的、针对特定任务的方法论”实现的。简单来说，他们没有为IMO问题专门设计一个“数学求解器”，而是通过改进通用强化学习（general-purpose reinforcement learning）和测试时计算扩展（test-time compute scaling）这两个基础方法论。
这就是秀肌肉，他想要说的就是GPT5以及基于GPT5做的post-training得到的模型就是世界级的，同时它也是通用型大模型。
所谓的general-purpose，其实就跟AGI中的General异曲同工，还是告诉大家，OpenAI还是朝着AGI的方向在走，同时依旧最前沿SOTA。
这里面的两个核心词汇，都在暗示他们的技术先进性。
通用强化学习（general-purpose reinforcement learning）: 这意味着他们很可能解决了“奖励稀疏”和“信用分配”等在复杂任务中的核心RL难题。特别是帖子4中提到的，IMO证明这种难以验证、没有明确奖励的场景，他们成功“超越了传统RL范式”，这对于所有需要复杂规划和创造性的任务（如科学发现、写小说、制定商业策略）都有着巨大的借鉴意义。
测试时计算扩展（test-time compute scaling） 这暗示了模型在推理（inference）阶段使用了大量的计算资源进行类似“深度思考”或“搜索”的过程（可能类似于思维树/Tree of Thoughts的复杂版本）。模型不是“一蹴而就”给出答案，而是可以花时间去探索、验证和构建一个复杂的论证。这是一种让模型能力在不重新训练的情况下大幅提升的有效路径。
此外他还提到了一些测试时候的方法论，尽量让大家觉得他们的模型测试是公平合理的，这里不展开说，陶哲轩也评价了这件事，他的主要观点就是OpenAI做IMO题目的过程并不公开，所以他不予置评。
最后，作者还说了一个比较私人的事情，让整个thread显得不那么营销。做法是作者用自己2021年对2025年的预测（MATH达到30%）与现实（IMO金牌）进行对比，展示了AI发展的超指数级速度。
怎么说呢，对于整个AI环境来说肯定是有好处的，毕竟大家都推举，才有可能让整个行业获得大量关注，以及大量金钱，但OpenAI的目的明显不止于此，他们可能一直想做的是AI寡头。
END
