Нейросеть впервые набрала полный балл на олимпиаде по математике: что это даёт бизнесу

Шесть задач, на которых теряют баллы даже математически одарённые школьники со всего мира. Два дня, доказательства, а не просто ответы. И машина, которая прошла всё это без единой осечки — не «почти», не «пять из шести», а полный балл. Это случилось нынешним летом на международной олимпиаде по математике в Шанхае, и сигнал тут громче, чем от очередного релиза модели. Разберём спокойно: что произошло, почему это было так тяжело для нейросетей и какие задачи бизнеса вдруг стали ей по плечу.

Что именно произошло

Международная математическая олимпиада (IMO) — это самое сложное школьное состязание по математике. Шесть задач за два дня, и оценивают не финальную цифру, а строгое доказательство: как ты рассуждал, все ли шаги обоснованы. Годами ИИ спотыкался ровно здесь. Ещё в 2024-м умение выстраивать длинную цепочку рассуждений с новой идеей внутри считалось территорией, которую машины взять не могут. В 2026-м модели китайских компаний Huawei и Xiaohongshu набрали максимум — решили все шесть задач и сравнялись с лучшими школьниками планеты. Полный балл нейросеть получила впервые.

Почему это было так трудно

Есть большая разница между «угадать ответ» и «доказать его». Олимпиадная задача требует собрать цепочку, где каждый шаг честно следует из предыдущего, без единой дырки. Один неверный поворот — и за всю задачу ноль. Именно здесь языковые модели раньше выглядели умными, но подводили: уверенно писали красивое на вид рассуждение, в котором на третьем шаге ломалась логика. Полный балл означает, что модель удержала длинную мысль от начала до конца и ни разу не соврала сама себе. Для тех, кто следит за ИИ, это важнее прибавки в скорости или снижения цены за запрос.

Это не «компьютер и так хорошо считает»

Первая реакция многих: да компьютеры всегда были сильны в математике. Нет. В арифметике и вычислениях — да, ещё с калькулятора. А вот в творческом доказательстве, где надо придумать неочевидный ход и обосновать его, машины были беспомощны. Олимпиадные задачи — это не перемалывание чисел, это как раз рассуждение с озарением. Поэтому перелом не в том, что ИИ «быстро посчитал», а в том, что он впервые прошёл насквозь ту логику, которая раньше давалась только человеку с математическим талантом.

Что это меняет для бизнеса

Ценность здесь не в олимпиадных медалях, а в надёжности на многошаговых логических задачах. Приглядитесь: половина рабочих проблем устроена как доказательство. Проверить договор на внутренние противоречия. Понять, почему цифры в отчёте не сходятся, и пройти всю цепочку до причины. Спланировать процесс из десятка шагов, где каждый зависит от предыдущего. Свести приход товара с накладными и найти тот единственный пункт, из-за которого всё поехало. Раньше длинную цепочку рассуждений ИИ доверять было страшно — он «уплывал» на середине. Теперь потолок поднялся, и часть задач, которые считались слишком логически тяжёлыми для делегирования, становится реальной.

Где подводные камни

Не стоит читать эту новость как «ИИ теперь не ошибается». Олимпиадная задача имеет чистую, закрытую формулировку и известный правильный ответ, по которому её проверяют. Реальный бизнес грязнее: данных не хватает, требования противоречат друг другу, единственно верного решения часто нет вообще. Модель, взявшая максимум на олимпиаде, всё ещё может уверенно ошибиться на вашей запутанной накладной. Добавьте сюда, что о результатах объявили сами компании — независимая проверка тут не лишняя. И даже сильное рассуждение бесполезно без правильных данных и контекста на входе. Так что это скачок способностей, а не волшебная кнопка.

Вывод

Этим летом тихо сдвинулась планка того, что значит «ИИ умеет рассуждать». Для компаний это простой практический вывод: задачи, которые ещё вчера были слишком «логичными», чтобы отдать их машине, сегодня можно поручать — под присмотром и при грамотной настройке. Разница между демкой и рабочим инструментом обычно как раз в этой настройке: какие данные подать, где поставить проверку, как встроить в процесс. В МАВИИ мы помогаем бизнесу довести такие ИИ-инструменты до состояния, когда им можно доверить настоящую работу, а не только красивое демо.