谷歌AI Aletheia在FirstProof挑战赛中全面胜出

IMO金牌已经不再是衡量AI数学能力的金标准。

基于Gemini 3 Deep Think的谷歌数学智能体Aletheia在更难的挑战赛FirstProof中展现了卓越的实力，拿下了最佳成绩。

在公布的完整成绩单中，Aletheia全程0人工参与，成功解出6道难题，其中5题获得专家全票通过，另一题也获得了5/7的通过率。

FirstProof是由来自哈佛、斯坦福等名校的11位顶尖数学家联手打造的一套数学题集，专门用于验证AI的独立科研能力。

这10道题全网无迹可循，无法作弊，连陶哲轩都推荐关注这一挑战。

不止谷歌，OpenAI内部模型也参与了这套题的考试，但基本正确的只有5题。

相比之下，谷歌的Aletheia全程AI自主，未动用任何人工干预，展现了更高的解题能力。

谷歌略胜一筹

FirstProof的题目由哈佛、斯坦福等名校的顶尖数学家出题，与IMO竞赛题不同，这些题目直接来源于数学家们真实遇到的难题，之前从未公开发布过。

而且，答案在AI考完之后才放出，切断了AI背答案套模板的可能。

成绩单显示，OpenAI在冲刺七天后，在5个问题上基本正确，而谷歌Aletheia则全部自主拿下这6道题。

其中，第7题是公认的难度最高的一题，直至本次FirstProof挑战赛发布标准答案时，才首次被解决。

从解题数量和模式来看，谷歌Aletheia不仅解题数多1个，还靠AI全程自主略胜一筹。

接下来，我们来看看Aletheia的具体打法。

AI自主最佳二选一

Aletheia搭载了AB两个版本的Gemini 3 Deep Think模型，进行了最优二选一（A是2026年2月的最新版，B是2026年1月的版本）。

从读题到交卷，整个过程都是真·0人工干预的解题流程。

Aletheia能直接读取未经人类格式化的原始问题，自主推理后输出答案。

再通过内置的验证与提取提示自动校验答案的逻辑严谨性和规整格式，最终直接输出LaTeX形式的答案。

对于未能解决的4道题，Aletheia选择了“拒答”，而不是提供不可靠的答案。

这是由于其智能筛选机制，当无法生成可靠证明时，模型不会生成无效答案，而是直接输出“无解决方案”的回复。

此外，Aletheia还能动态调整推理资源的分配。面对超难题时，它能自动投入更多算力；而简单题则合理控制算力，避免资源浪费。

例如，在处理张量分解的数值型题时，Aletheia给出了高效的矩阵-向量计算方法。

总之，谷歌的Aletheia在这次FirstProof挑战赛中展现出了强大的实力。下一轮问题集即将在3月中旬发布，难度只会更高，让我们拭目以待吧！