Meta重新支棱起来了？纯推理拿下五项奥赛金牌，两项满分|meta|奥林匹克|奥赛金牌|推理|数学

编辑｜Panda

今天凌晨，OpenAI 免费了 GPT-5.6 Luna。几乎在同一时间段，另一家曾经打造出 Llama 系列、随后在大模型竞赛中一度掉队的公司也发了声——Meta 在上宣布，它把自家 AI 模型送进了五项 STEM 学科奥林匹克竞赛，全部拿到金牌或金牌水平成绩，其中两项物理竞赛的理论考试直接满分。

更惊人的是，Meta 表示，其 AI 是纯靠推理能力取得的这些成绩：「我们禁止了所有工具的使用，这意味着没有搜索、没有编码，也没有计算器。」

对此，曾在 OpenAI、DeepMind、谷歌大脑工作过的 Meta 研究者 Lucas Beyer 还在上揶揄了 Gary Marcus 和 Yann LeCun。不过，这两位长期批评自回归 LLM 的著名研究者并未直接答复。

看起来，Meta 似乎又重新支棱起来了？

不过，Meta 目前尚未发布相关技术博客或研究报告，但参与了该项目的 Meta 研究者 Shuchao Bi 也发了两条推文，补充了更多细节，包括该模型是是来自 Muse Spark 系列的内部训练版本，使用了多智能体编排与并行推理。

不仅如此，Meta 的模型还答对了官方答案错误的问题。Shuchao Bi 说：「这一发现最终防止了人类参赛者的答卷被错误评分。IPhO 委员会好心地向我们寄送了一枚实体金牌。」

成绩单

Meta 列出的五项成绩是：亚洲物理奥林匹克竞赛（APhO）理论考试满分，国际物理奥林匹克竞赛（IPhO）理论考试满分，国际数学奥林匹克竞赛（IMO）金牌，国际化学奥林匹克竞赛（IChO）金牌水平表现，以及罗马尼亚数学大师赛（RMM）金牌水平表现。

先说这几项赛事的分量。IMO 2026 年第 67 届在上海举行，百余国选手用两场各 4.5 小时的考试解六道题，满分 42 分。RMM 每年 2 月在布加勒斯特举行，只邀请十几支最强国家队，题目难度公认不亚于 IMO。IPhO 与 APhO 分别是全球和亚洲规格最高的中学物理竞赛。

成绩上，两项物理写的是「满分」，IMO 写的是「金牌」，IChO 和 RMM 写的却是「金牌水平的表现」。后一种措辞在这个领域通常意味着成绩未经赛事组委会正式评定，而是按当年金牌分数线自行对照得出的结果。

Meta 同时表示，感谢这些竞赛的选手与组委会「对我们参赛的支持」，这暗示至少部分赛事的参与经过了组委会层面的协调——这一点比 2025 年 OpenAI 找三位前 IMO 奖牌得主自行评分的做法要正式一些。

纯推理：禁用一切工具

Meta 特意强调，为了测试纯粹的推理能力，模型被禁用了所有工具：不能搜索，不能写代码，不能用计算器。

这个约束很重要。过去一年里，奥赛榜单上不少顶尖成绩其实是靠「强模型 + 验证器 + 多轮精修」的 agent 流水线拿到的。有研究者用 Gemini 3.1 Pro 搭了一个结构相当简单的 agent，在 IPhO 2025 理论题上跑五次、五次满分；但作者自己也提示，该模型发布晚于竞赛，数据污染无法排除。

https://arxiv.org/pdf/2603.03352

Meta 把工具全部关掉，等于主动放弃了这条最容易刷分的路径。

不过物理竞赛还有一层没被提及：IPhO 和 APhO 都包含实验考试，Meta 报告的应该仅是理论部分。

从 Llama 到 Muse

2025 年是 Meta AI 最难熬的一年。Llama 4 Maverick 在 Artificial Analysis 智能指数上只拿到 18 分，Behemoth 因内部对能力不满而推迟，扎克伯格随后亲自下场重组，斥巨资引入 Alexandr Wang 与 Scale AI 团队成立 Meta Superintelligence Labs（MSL），把预训练架构、数据管线和 RL 后训练系统整个推倒重建。

2026 年 4 月 8 日，MSL 交出第一款模型 Muse Spark，原生多模态、262k 上下文，智能指数从 18 跳到 52。7 月 9 日 Muse Spark 1.1 上线，主打 agentic 与编程，也是 Meta 第一个收费 API 模型。

就在本周，基于 Muse Spark 1.2 的终端编程智能体 Muse Code 进入 beta，据说能力相当出色。