dots-note-3.0 Meraih Skor IMO Sempurna

Sebuah model AI meraih skor sempurna 42/42 di IMO 2026 berdasarkan penilaian resmi oleh manusia. Artinya, dots-note-3.0 dari Xiaohongshu tidak sekadar memperoleh jawaban akhir yang benar—model tersebut menulis enam pembuktian lengkap yang diterima para penilai.

Berikut versi singkatnya:

• Tanggal: Juli 2026
• Ajang: International Mathematical Olympiad di Shanghai
• Skor: 42 dari 42
• Perbandingan dengan manusia: hanya 7 dari 666 pelajar yang juga meraih skor sempurna
• Perubahan yang terjadi: hasil AI tertinggi sebelumnya adalah 35/42 pada 2025
• Alasan pencapaian ini penting: IMO menguji penulisan pembuktian yang panjang dan bertahap, bukan menebak jawaban

Sederhananya, hasil ini menunjukkan bahwa penulisan pembuktian oleh AI telah mencapai tingkat baru dalam satu ujian yang sangat sulit. Namun, itu bukan berarti AI selalu sempurna dalam penggunaan sehari-hari. Soal IMO bersih dan terstruktur. Tugas biasa sering kali tidak demikian.

Hal yang paling menonjol adalah alur kerja model tersebut. Model membaca LaTeX mentah, menyusun pembuktian dalam aljabar, geometri, kombinatorika, dan teori bilangan, serta menggunakan siklus pemeriksaan mandiri dengan penalaran teks dan pemeriksaan Python sebelum mengirimkan jawaban. Ini penting karena pengendalian langkah yang serupa dapat membantu dalam sistem ketika keluaran satu model menjadi masukan bagi model lain.

Jadi, jika Anda menginginkan kesimpulan dalam bahasa sederhana, inilah intinya: dots-note-3.0 meraih skor langka dalam kompetisi matematika, dan cerita yang lebih besar adalah kualitas pembuktian, bukan sekadar kemampuan matematika.

Untuk pertama kalinya, sebuah model AI meraih skor sempurna 100% di International Mathematical Olympiad

Benchmark IMO dan hasil resmi dots-note-3.0

IMO adalah kompetisi pembuktian selama dua hari yang terdiri dari enam soal bagi pelajar berusia di bawah 20 tahun. Setiap soal bernilai 7 poin, sehingga skor tertingginya adalah 42. Ini bukan jenis kompetisi matematika yang memberi nilai penuh hanya karena angka akhirnya benar. Untuk meraih nilai tinggi, peserta harus menunjukkan pembuktian lengkap yang valid secara logis. Nilai parsial bergantung pada kelengkapan pembuktian tersebut.^[5][3]

Pada Juli 2026, IMO digelar di Shanghai dengan 666 peserta dari 117 negara. Setelah kompetisi manusia berakhir, Xiaohongshu menjalankan dots-note-3.0 mengikuti aturan penilaian resmi tanpa intervensi manusia, lalu menyerahkan penyelesaiannya untuk dinilai secara resmi. Model tersebut memperoleh 7 dari 7 untuk keenam soal, sehingga mencapai skor sempurna 42 dari 42.^[1][2][4]

Detail itu penting. Skor IMO sempurna tidak berarti pemecah soal memperoleh jawaban benar karena keberuntungan atau pencocokan pola. Artinya, jawaban yang dikirimkan terbukti sebagai penalaran berbasis pembuktian yang lengkap dari awal hingga akhir.

Cara skor sempurna 42 dari 42 dinilai

Skor sempurna 42/42 berarti setiap pembuktian harus lengkap. Tidak boleh ada langkah yang terlewat. Tidak boleh ada celah logika. Tidak boleh ada kondisi yang diabaikan. Penilai IMO menilai kualitas penalaran itu sendiri, bukan sekadar hasil akhirnya.^[5][3]

Sederhananya, standarnya sangat tinggi. Pemecah soal harus mempertahankan rangkaian logika yang bersih di seluruh enam soal dan melakukannya dengan cara yang lolos tinjauan resmi.

Mengapa hasil ini penting secara historis

Ini adalah model bahasa besar pertama yang menerima skor sempurna berdasarkan penilaian resmi IMO.^[1][4]

Kemampuan yang harus ditunjukkan dots-note-3.0

Untuk meraih 42/42, dots-note-3.0 harus melakukan lebih dari sekadar mencapai jawaban benar. Model tersebut harus membaca naskah soal LaTeX mentah, memilih jalur pembuktian, lalu menulis pembuktian lengkap yang dapat diperiksa penilai manusia dalam batas waktu kompetisi. ^[1] Jadi, format masukan dan kualitas pembuktian sama pentingnya dengan hasil akhir.

Membaca soal LaTeX dan menulis pembuktian lengkap

dots-note-3.0 bekerja langsung dari pernyataan LaTeX mentah dan menghasilkan pembuktian lengkap yang dapat dibaca manusia untuk dinilai oleh penilai resmi. ^[1] Lompatan dari pernyataan mentah menuju pembuktian terverifikasi inilah tempat penalaran yang lebih mendalam mulai terlihat.

Penalaran multilangkah dalam aljabar, geometri, kombinatorika, dan teori bilangan

Menyelesaikan seluruh enam soal IMO berarti menunjukkan kemampuan penalaran yang luas dalam aljabar, geometri, kombinatorika, dan teori bilangan. ^[1][2] Dalam istilah sederhana, ini berarti menyusun argumen geometris, membuktikan fakta mengenai bilangan bulat, menelusuri pembagian kasus kombinatorial, dan menghubungkan lema-lema antara menjadi satu rangkaian penalaran yang valid.

Beberapa soal pada 2026 juga menggunakan bingkai berbentuk cerita, sehingga model harus menyingkirkan narasinya dan menemukan matematika yang mendasarinya. ^[1]

Contoh tugas yang dapat ditangani oleh tingkat penalaran ini

Berikut wujud tingkat penalaran tersebut dalam praktik:

Model tersebut juga harus menunjukkan mengapa kesimpulannya benar dalam bentuk yang memenuhi standar penilaian resmi IMO. ^[1][2] Keterampilan pembuktian yang sama merupakan alasan utama mengapa hasil ini penting bagi riset penalaran AI yang lebih luas.

Mengapa hasil ini penting bagi riset penalaran AI

IMO sangat sulit bagi AI karena bukan tes pilihan ganda. Peserta harus menulis pembuktian lengkap langkah demi langkah, dan satu kasus yang terlewat atau satu kondisi yang tidak disertakan pun dapat mengurangi poin. Jadi, benchmark ini menguji validitas pembuktian dari awal hingga akhir, bukan sekadar apakah jawaban akhirnya terlihat benar.

Ini pencapaian yang penting. Benchmark yang hanya menilai jawaban dapat menyamarkan penalaran lemah jika model mencapai hasil benar dengan alasan yang salah. IMO tidak membiarkan hal itu. Kompetisi ini memeriksa apakah model mampu menjaga logika tetap utuh dari awal hingga akhir.

Arti hasil ini bagi akurasi penalaran tingkat lanjut

Skor sempurna 42/42 menunjukkan bahwa model mampu memetakan pembuktian, memeriksa sendiri langkah-langkah tengahnya, dan menuntaskan setiap argumen tanpa memutus rantai logika. Dalam bahasa sederhana: hasil ini menunjukkan pemeriksaan mandiri yang lebih kuat pada pembuktian panjang.

Lompatan tersebut juga menonjol dalam konteksnya. Pada 2025, sistem teratas mencapai 35/42, sehingga 42/42 merupakan peningkatan yang jelas dalam kelengkapan pembuktian ^[3].

Pertanyaan yang lebih sulit adalah seberapa jauh penalaran tersebut dapat diterapkan di luar matematika kompetisi.

Mengapa keterbatasan benchmark tetap penting

Skor IMO sempurna tetap tidak membuktikan keandalan luas dalam situasi sehari-hari yang tidak rapi. Soal kompetisi terstruktur. Masukan dunia nyata sering kali tidak demikian. Masukan tersebut bisa penuh gangguan, ambigu, atau kekurangan detail penting ^[6].

Jadi, hasil ini merupakan bukti kuat atas penalaran matematika tingkat lanjut. Namun, jangan memaknainya sebagai jaminan pemahaman serbaguna.

Konsistensi yang sama inilah yang membuat penalaran tingkat lanjut berguna dalam alur multimodal dan berbasis API.

Penerapan penalaran tingkat IMO pada aplikasi multimodal dan berbasis API

Peran penalaran kuat dalam alur kerja nyata

Tingkat konsistensi tersebut paling penting ketika penalaran hanya merupakan satu bagian dari pipeline yang lebih besar. Dalam produksi, satu batasan yang terlewat dapat mengacaukan seluruh hasil. Asisten riset, alat bimbingan belajar, atau agen coding menghadapi tugas yang sama: mempertahankan setiap batasan dari awal hingga akhir.

Di sinilah siklus pemeriksaan mandiri membantu. Siklus ini dapat menemukan kesalahan kecil sejak dini, sebelum berkembang menjadi kegagalan yang lebih besar.

Menggunakan APIMart untuk memadukan model penalaran, video, gambar, dan bahasa

Dalam pipeline multimodal, model penalaran dapat memeriksa masukan sebelum diteruskan ke generator video atau gambar. Gagasan yang sama berlaku ketika penalaran perlu berfungsi sebagai gerbang sebelum pembuatan media dimulai.

APIMart memungkinkan tim menggabungkan model penalaran, gambar, video, dan bahasa melalui satu API. Artinya, tim dapat memvalidasi masukan terlebih dahulu, lalu mengirimkannya ke model video.

Dalam penggunaan sehari-hari, akurasi penalaran menjadi lapisan keandalan bagi pipeline multimodal. Itulah sebabnya penalaran tingkat IMO penting di luar matematika: penalaran ini membantu sistem multimodal diperiksa, diarahkan, dan digunakan dengan keyakinan lebih tinggi.

Kesimpulan: Pencapaian penalaran terverifikasi dengan manfaat praktis

dots-note-3.0 meraih skor sempurna 42 dari 42 di International Mathematical Olympiad (IMO) 2026. Ini adalah pertama kalinya model AI mencapai hasil tersebut berdasarkan penilaian resmi oleh manusia, ketika penilai manusia membaca dan memberi skor pada setiap baris dari setiap pembuktian ^[1][7].

Model tersebut menulis pembuktian lengkap untuk seluruh rangkaian soal IMO tanpa bantuan manusia. Model menggunakan siklus berulang dengan penalaran teks dan pemeriksaan Python untuk menguji, merevisi, dan menyempurnakan pembuktiannya sendiri sebelum pengiriman akhir ^[7]. Bagian yang paling menonjol adalah kemampuan model untuk memeriksa pekerjaannya sendiri dan memperbaiki kesalahan selama proses berlangsung.

Bagi pengguna APIMart yang membangun alur multimodal, itulah pelajaran utamanya. Penulisan pembuktian tingkat IMO bukan berarti keandalan sempurna dalam setiap kasus penggunaan. Namun, hasil ini menunjukkan sesuatu yang penting: penalaran yang dapat diverifikasi semakin mendekati kemampuan yang dapat diandalkan tim dalam alur produksi.

Sederhananya, penalaran dengan pemeriksaan mandiri dapat meningkatkan kepercayaan terhadap alur APIMart yang memadukan model bahasa, gambar, dan video.

FAQ

Mengapa skor IMO sempurna begitu penting bagi AI?

Skor sempurna di International Mathematical Olympiad (IMO) penting karena menunjukkan sesuatu yang lebih besar daripada pencocokan pola. IMO tidak hanya meminta jawaban, tetapi meminta pembuktian matematika lengkap.

Jadi, ketika sebuah model meraih skor 42 dari 42, itu bukan pencapaian kecil. Artinya, model dapat menyusun argumen panjang langkah demi langkah dan menjaganya tetap utuh dari awal hingga akhir, tanpa kesalahan logika, kondisi yang terlewat, atau klaim tanpa dukungan.

Tingkat presisi tersebut penting ketika penalaran harus berlangsung dalam banyak langkah, bukan hanya satu lompatan.

Apakah ini berarti dots-note-3.0 andal di luar kompetisi matematika?

Skor sempurna di International Mathematical Olympiad menunjukkan penalaran logis yang kuat dan bebas kesalahan. Namun, hasil ini tidak menjamin keandalan dalam setiap skenario dunia nyata.

IMO menguji jenis penalaran matematika yang sempit dalam kondisi ketat. dots-note-3.0 tetap harus diuji terhadap beban kerja, kriteria, dan pola trafik produksi Anda sebelum penerapan penuh.

Bagaimana penalaran tingkat IMO dapat membantu alur AI nyata?

Penalaran tingkat IMO membantu alur AI nyata karena mendorong model menyelesaikan masalah sulit langkah demi langkah, bukan sekadar mengeluarkan jawaban di akhir. Hal ini sangat penting dalam matematika multilangkah, ketika satu kesalahan kecil di awal dapat mengacaukan semua langkah berikutnya.

Pendekatan ini juga memudahkan pemeriksaan proses di tengah jalan. Alih-alih memperlakukan hasil sebagai kotak hitam, Anda dapat meninjau setiap langkah, menemukan bagian yang lemah, serta menangkap kesalahan pembuktian atau logika sebelum menyebar.

Dalam penggunaan sehari-hari, ini dapat berarti lebih sedikit kegagalan pada sistem yang menggunakan alat, akurasi lebih baik ketika model harus bekerja dalam batasan ketat, serta dukungan lebih kuat bagi aplikasi multimodal tingkat lanjut atau aplikasi berbasis API yang mengandalkan konsistensi logis yang stabil.