Se han anunciado los resultados de la 67ª Olimpiada Internacional de Matemáticas (IMO 2026): el modelo de gran escala de Xiaohongshu, dots-note-3.0, obtuvo la medalla de oro con una puntuación perfecta, resolviendo correctamente las seis preguntas. Este es el primer reconocimiento oficial de medalla de oro IMO para un modelo de gran escala chino, y el segundo modelo en el mundo tras Google Gemini en lograr este resultado —y el primero en obtener una puntuación perfecta, ya que Gemini anteriormente resolvió solo 5 de 6 preguntas. La IMO se considera la prueba definitiva para evaluar la inteligencia y la capacidad de razonamiento de los modelos de gran escala; los participantes deben proporcionar demostraciones lógicamente completas, lo que implica una dificultad extremadamente alta. En esta edición, la línea para obtener la medalla de oro fue de 29 puntos; dots-note-3.0 superó esta línea en 13 puntos. Dos ganadores de medallas de oro en la CMO evaluaron su solución como "correcta y elegante, con una estructura compacta y un razonamiento natural". Este resultado perfecto demuestra que Xiaohongshu posee ahora una capacidad de razonamiento generalizable y transferible, y surge un nuevo jugador destacado en el campo de los modelos base.Autor del artículo, fuente: Xiaohongshu
Recientemente se dieron a conocer los resultados de la 67ª Olimpiada Internacional de Matemáticas (IMO2026), en la que el gran modelo de Xiaohongshu, dots-note-3.0, obtuvo una medalla de oro con una puntuación perfecta, resolviendo correctamente las seis preguntas. Este es el primer reconocimiento oficial de nivel medalla de oro IMO para un modelo chino, y el segundo modelo del mundo en alcanzar este rendimiento tras Google Gemini —y el único con puntuación perfecta, ya que Gemini anteriormente respondió correctamente solo 5 de 6 preguntas.
IMO es la abreviatura de la Olimpiada Internacional de Matemáticas, que reúne anualmente a los mejores estudiantes de secundaria del mundo; la mitad de los ganadores contemporáneos de la Medalla Fields, como Terence Tao, provienen de esta competencia. El examen se lleva a cabo durante dos días, con 4.5 horas cada día para resolver tres problemas, cubriendo álgebra, combinatoria, geometría y teoría de números; cada problema vale 7 puntos, con una puntuación máxima de 42. Los participantes deben presentar demostraciones lógicamente completas y susceptibles de revisión paso a paso, lo cual representa una dificultad extrema para los modelos grandes.
El camino de Google Gemini hacia la IMO puede servir como referencia: en su primer intento en 2024, obtuvo solo una medalla de plata con 28 puntos, y tuvo que traducir primero los problemas a lenguajes formalizados como Lean; algunos problemas tardaron varios días en resolverse; en 2025, Gemini Deep Think resolvió por completo cinco problemas mediante lenguaje natural de extremo a extremo, obteniendo una medalla de oro en 4.5 horas. Las competencias de matemáticas se consideran una prueba de inteligencia y capacidad de razonamiento de los grandes modelos, y la IMO tiene una ventaja única en comparación con los benchmarks convencionales: la incertidumbre. Los problemas de cada edición son creados por expertos y mantenidos en estricta confidencialidad, por lo que los modelos no pueden entrenarse previamente para ellos, sino que deben depender únicamente de la comprensión en tiempo real, la exploración y el razonamiento riguroso.
La línea de medalla de oro en esta IMO es de 29 puntos, una disminución de 6 puntos respecto a los 35 puntos del año pasado; la dificultad general del conjunto de problemas es claramente mayor que la del año pasado. Un puntaje de 29 significa resolver completamente 4 problemas y obtener 1 punto adicional de los dos restantes para entrar en la categoría de medalla de oro, mientras que el modelo de gran tamaño de Xiaohongshu, dots-note-3.0, respondió correctamente todos los problemas, lo que representa una diferencia de 13 puntos con respecto a la línea de medalla de oro.
La puntuación perfecta demuestra en primer lugar la estabilidad del sistema de razonamiento Agentic. El modelo debe comprender las condiciones en lenguaje natural, identificar la información clave, formular conclusiones intermedias y organizarlas en una demostración completa; cualquier malentendido de las condiciones o salto lógico será señalado directamente por el evaluador. Que dots-note-3.0 obtenga puntuación perfecta en seis tipos diferentes de preguntas consecutivamente indica que su rendimiento no depende de una inspiración fortuita en una pregunta específica. En segundo lugar, el modelo procesa directamente de extremo a extremo en lenguaje natural, poseyendo un ciclo completo desde la comprensión del problema hasta la expresión de la respuesta, lo que demuestra que tiene una capacidad de razonamiento general transferible.
Durante el proceso de resolución de problemas, dots-note-3.0 utiliza un enfoque de agente, combinando lenguaje natural con ejecución de código Python para razonamiento deductivo, y aprovecha su capacidad recursiva de autocrítica para examinar sus propios argumentos. Lo realmente sorprendente es la tercera pregunta: un problema de teoría de juegos combinatorios. La solución común consiste en transformar el problema original en un problema de conectividad en teoría de grafos y luego construir una demostración, pero dots-note-3.0 emplea inducción, captando la estructura más esencial del problema y diseñando un objeto y una proposición inductivos perfectamente ajustados.
Liu Hanzuo, ganador de dos medallas de oro en la CMO, lo calificó como "correcto y elegante, con una estructura compacta y una lógica natural, incluso comparable con soluciones bastante simples y elegantes en la IMO". Wang Qiantong, ganador de una medalla de oro en la CMO, consideró que es "conciso y claro, con un enfoque directo a la esencia; cada paso es lógico, pero es difícil que un competidor humano piense en abordarlo desde este ángulo".
Para Xiaohongshu, IMO perfecto representa un importante lanzamiento técnico. Anteriormente, la percepción externa de su tecnología se centraba en comunidades de contenido, algoritmos de recomendación y comprensión de contenido, y su posición en el ámbito de los modelos base carecía de prueba pública y autorizada. IMO perfecto es diferente: los 42 puntos están ahí, sin necesidad de explicaciones complejas, y demuestran suficientemente que Xiaohongshu posee capacidades en modelos base dignas de ser examinadas seriamente por la industria. Surge un nuevo jugador值得关注 en el ámbito de los modelos base. Se sabe que dots-note-3.0 estará pronto disponible como código abierto.