NVIDIA 开源 IMO 金牌完整配方：Nemotron 数学推理全栈放出，权重、数据、200 道新题一个不少

一句话结论：NVIDIA 把一套在 2026 国际数学奥林匹克拿到金牌（30/42 分，超出金牌线 1 分）的数学推理系统完整开源——两个专家模型权重、训练数据、推理代码、提交的证明，还有一个 200 道全新奥赛题的 benchmark，全部可复现。

AI 摘要

• 项目用途：一套纯自然语言、无外部工具的数学奥林匹克证明生成流水线，全栈开源。
• 适合人群：研究数学推理、RL 训练、test-time compute 的团队和个人。
• 上手门槛：很高，两个专家 checkpoint 各 1.12 TB，官方建议至少 8 张 B 200。
• 智盒结论：这可能是目前最诚实的「金牌级开源复现」，但算力门槛挡住了绝大多数人，价值在方法论和 benchmark 而非直接可用。

项目信息

• 项目名：NVIDIA Nemotron IMO 2026（arXiv:2609.10712）
• GitHub URL：https://github.com/NVIDIA-NeMo/Skills/tree/main/recipes/nemotron-imo-tts
• License：模型 OpenMDW 1.1；数据与 benchmark CC BY 4.0

它解决什么问题

数学一直是检验 AI 推理能力的硬指标，但奥林匹克级别的结果往往有个问题：只公布分数，不公布过程。你看到一个「IMO 金牌」，却没法知道它是怎么做到的，也没法复现。

NVIDIA 这次反着来。它把拿到 IMO 2026 金牌（30/42 分，金牌线是 29 分）的整套系统开源了：两个后训练专家 checkpoint、SFT 和 RL 的训练数据、训练和推理代码、提交给 IMO 的完整证明，还有一个和数学教育者 Titu Andreescu 合作编写、从未发表过的 200 道新题 benchmark。

更重要的是方法层面的诚实。论文里写了一个反直觉的结论：单纯加大证明生成的规模是不够的，真正的增益来自互补的后训练 checkpoint、跨轮次保留有希望的候选的验证引导式精炼，以及在最终评估上投入大量算力。那些花哨的路由和精炼策略反而没起作用。

核心功能

上手路径

1. 从 Hugging Face 集合 nvidia/nemotron-labs-imo-2026 拉取 checkpoint。
2. 准备硬件：官方建议至少 8 张 B 200，约 1.5 TB 显存。
3. 用 NeMo-Skills 的 nemotron-imo-tts recipe 跑推理，或按 NeMo-RL 的 guide 复现 RL 训练。

先说清楚算力门槛。两个 checkpoint 各 1.12 TB 下载量，8 张 B 200 的配置已经超出几乎所有个人开发者和小团队。这是「开源了，但只有大实验室能真正复现」的典型。论文还公开了资源账本：找到全部 6 道题的提交证明花了约 7.07 亿 token 和 1464 GPU 小时，跑完整个比赛流程约 23.1 亿 token、4800 GPU 小时。

适合谁

• 有 GPU 集群、研究数学推理和 RL 的大实验室。
• 研究 test-time compute 和验证引导式搜索的研究者。
• 想用 Nemotron-IMO-Bench 做标准化评估的团队。

不适合谁

• 个人开发者或小团队——算力门槛是硬约束。
• 想直接拿一个「数学推理工具」来用的用户——这是研究配方，不是产品。
• 对数学推理本身不感兴趣、只想追热点的人——这篇论文的技术细节很硬。

替代项目或工具

NVIDIA 这次和 OpenAI 解决数学难题那篇形成了鲜明对比——一个只报结果，一个把整个厨房都搬出来。而更早 Claude 证明费马大定理那件事，走的是形式化验证的另一条路。三条路并行，数学推理的「开源度」正在被重新定义。这次用的底座，正是 GTC 上刚发布的 Nemotron 3 Ultra，从发布到拿下 IMO 金牌，只隔了不到一个月。

风险与限制

• License 或商业使用限制：模型用 OpenMDW 1.1（开放权重），数据和 benchmark 用 CC BY 4.0，商用友好但要注意 OpenMDW 的具体条款。
• 项目活跃度：这是刚发布的研究成果，不是持续维护的产品，活跃度要看 NVIDIA 后续是否跟进。
• 技术门槛：极高，8 张 B 200 的硬件要求直接把大部分人挡在门外。
• 安全与隐私：不涉及，纯研究性质。

FAQ

这套系统能直接商用吗？

模型权重是开放的（OpenMDW 1.1），但「开放」不等于「能用得起」。8 张 B 200 的推理配置，意味着它的直接商用价值有限，更多是作为方法论和 benchmark 的研究资产。

为什么要开源 benchmark？

因为奥赛题在训练数据里容易被污染。Nemotron-IMO-Bench 的 200 道题是和 Titu Andreescu 合作新写的、从未发表过，这给了数学 AI 一个干净的评估面。这对整个领域比对单个模型更重要。

它和 GPT-6 Astra 的数学能力比怎么样？

方向不同。Astra 报告了更高阶的数学结果（比如 FrontierMath 98%），但配方不公开。Nemotron 的 IMO 成绩更「窄」但完全可复现。一个是能力上限的展示，一个是可复现性的示范，不是同一场比赛。

参考来源

• arXiv:2609.10712：An Open Recipe for IMO Gold: Training Nemotron for Olympiad Mathematics
• Hugging Face 集合：nvidia/nemotron-labs-imo-2026
• GitHub：NVIDIA-NeMo/Skills recipes/nemotron-imo-tts