单题写10万Token！30B开源模型不调工具，靠长考把IMO硬抬上金牌线
· ME 快讯
AIMPACT 消息，5 月 17 日（UTC+8），据 动察 Beating 监测，上海人工智能实验室联合清华大学、北京大学、上海交通大学与香港中文大学，共同开源了奥赛推理模型 SU-01。它基于 P1-30B-A3B 后训练，作答时不调用代码执行器、外部定理证明器或专门符号求解器，纯靠内部的生成、验证、修改循环，在 IMO 2025 官方题评测中拿到 35 分，达到当年金牌线。 SU-01 证明了解顶级数学题不一定非要外挂复杂的代码工具。只要给足测试时算力扩展（Test-Time Scaling，简称 TTS），30B 级别的模型单靠自己反复推敲，也能拿下顶尖成绩。 团队先用逆困惑度课程训练模型，按困惑度降序喂送样本，强迫它优先啃下最难模仿的推理轨迹。接着用强化学习稳固找答案的能力，最后要求模型反复自我修正，补全严密的证明。 这套机制在作答时极其消耗算力。面对难题，SU-01 会自己写出初稿，找出漏洞并反复重写。2026 年美国数学奥林匹克（USAMO）的测试轨迹显示，它解一道题光是写第一版答案，通常就会消耗 10.6 万 token（中位数）；后续哪怕只做一次修改，也会再花掉 8.3 万 token。 不开启 TTS 时，SU-01 在 IMO 2025 的得分只有 21 分。它的金牌成绩，主要来自高 token 预算下的多轮深度搜索、自我检查和修改。 （来源：BlockBeats）