Meta AI 在五项 STEM 奥赛中获得金牌，纯推理成绩引关注

Meta 在 𝕏 上宣布，其 AI 模型在五项 STEM 学科奥林匹克竞赛中全部获得金牌或金牌水平成绩，其中亚洲物理奥林匹克竞赛（APhO）和国际物理奥林匹克竞赛（IPhO）的理论考试直接满分。成绩单中，IMO 明确为“金牌”，而 IChO 和 RMM 则写为“金牌水平的表现”。这种措辞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。Meta 同时感谢了竞赛选手与组委会的支持，暗示部分赛事的参与经过了组委会协调，比 2025 年 OpenAI 自行评分的方式更正式。

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。这一约束意义重大，因为过去一年里，许多顶尖奥赛成绩依赖“强模型 + 验证器 + 多轮精修”的 agent 流水线。例如，有研究者用 Gemini 3.1 Pro 搭建简单 agent，在 IPhO 2025 理论题上五次满分，但作者也提示数据污染无法排除。Meta 主动放弃这条路径，凸显其纯推理的定位。不过，物理竞赛包含实验考试，Meta 报告的应该仅是理论部分。

2025 年是 Meta AI 的艰难时期：Llama 4 Maverick 在 Artificial Analysis 智能指数上仅得 18 分，Behemoth 因能力不足推迟，扎克伯格重组并引入 Alexandr Wang 与 Scale AI 团队成立 Meta Superintelligence Labs（MSL），推倒重建预训练、数据和 RL 后训练系统。2026 年 4 月 8 日，MSL 发布 Muse Spark，原生多模态、262k 上下文，智能指数从 18 跃升至 52。7 月 9 日，Muse Spark 1.1 上线，主打 agentic 与编程，成为 Meta 第一个收费 API 模型。本周，基于 Muse Spark 1.2 的终端编程智能体 Muse Code 进入 beta。这份奥赛成绩单更像是下一代 Muse 模型的预告片。

2025 年 7 月，OpenAI 与 Google DeepMind 双双拿下 IMO 金牌（35/42，六题解出五题）时，OpenAI 研究员称之为“登月时刻”。但一年后，坐标系已变：2026 年 7 月上海 IMO 结束后，华为 Celia 与小红书 dots-note-3.0 先后宣布获得 42/42 满分，小红书称此前从未有大模型在 IMO 官方评审下拿到满分。另有报告称 Anthropic 的 Claude Opus 5 在不使用 agent 框架和工具的条件下一次通过全部六题。因此，Meta 的 IMO 金牌在 2026 年并不显眼，真正有分量的是两项物理理论满分——前提是能被独立验证。

更值得警惕的是，奥赛作为推理能力标尺正在失效。Meta 给出的理由是“为了理解我们在推理上是否取得了真正的进展”，但当同一批竞赛在一年内从“难以企及”变成“多家实验室都能刷满”，这把尺子的信息量急剧衰减。陶哲轩在 2025 年就指出，AI 能做到什么很大程度上取决于测试方法本身。奥赛题有标准答案、明确评分标准和充足历史题库，这些恰恰是现实科研问题不具备的条件。

从 Muse Spark 到 Muse Code 再到这份成绩单，Meta 至少不再是那个只能靠开源叙事维持存在感的公司。但要说重回第一梯队，还需要拿出更多东西，尤其是一个真正能被用起来的产品。目前 Meta 尚未发布相关技术博客或研究报告，成绩的独立验证仍是关键。