英伟达Nemotron竞赛编程模型IOI首超人类最强选手

英伟达在Hugging Face上发布了一款名为NVIDIA-Nemotron-Labs-3-Competitive-Coding的竞赛编程专用模型，这款拥有5500亿参数（激活550亿，即550B-A55B架构）的开源模型，据官方描述在国际信息学奥林匹克竞赛（IOI）的问题集上取得了超越人类最强选手的成绩，成为首个在IOI问题集上得分超过最高分人类选手的AI系统。

从Nemotron-3-Ultra微调而来的专家模型

Nemotron是英伟达推出的开放模型家族，其特点在于同时开放权重、训练数据和训练配方，主打为构建专业化AI智能体提供高效率与高精度的基础。这次发布的竞赛编程模型基于Nemotron-3-Ultra-550B-A55B微调而来，采用了NVFP4的低精度量化格式，这也符合英伟达在推理效率上的一贯技术路线。

模型的微调过程颇具看点。团队在477,642条合成推理轨迹上进行了一个epoch的微调，这些数据从GLM-5.2蒸馏而来，覆盖了22,000道精选题目，横跨16个区域性和国际性竞赛编程赛事体系。这种规模的数据构建，反映出竞赛编程这一垂直领域对高质量推理数据的强依赖。

为什么选择GLM-5.2作为教师模型

一个值得关注的技术决策是SFT（监督微调）教师模型的选择。团队对比了两种方案：一种基于DeepSeek^广告-V4-Flash训练的变体，另一种基于GLM-5.2蒸馏。

最终选择GLM-5.2的原因有两点：其一是更高的准确率，其二是生成长度大约缩短了30%。在竞赛编程这类需要大量推理链条的任务中，生成长度直接关系到推理成本和延迟，更短的生成意味着在同等算力预算下能探索更多候选解。这一权衡体现了在实际工程落地时，精度与效率需要同时纳入考量。

SFT（Supervised Fine-Tuning，监督微调）中的「教师模型蒸馏」指的是：用一个能力更强的大模型生成高质量的「思维过程+答案」数据对，再用这批数据对目标模型进行有监督训练。与直接用人工标注相比，蒸馏可以大规模、低成本地构建推理轨迹数据。GLM-5.2是智谱AI旗下的推理模型，其在代码与数学推理上生成的链式思维（Chain-of-Thought）较为简洁精炼。生成长度缩短30%这一指标在工程上意义重大：竞赛编程问题的推理链往往绵延数千token，更短的轨迹意味着单次推理的KV Cache占用更低、批处理吞吐量更高，在使用GenCorrect进行多轮迭代时，累计的算力节省十分可观。

GenCorrect：闭环测试时计算策略

模型能取得突破性成绩，除了微调本身，推理阶段的策略同样关键。团队采用了名为GenCorrect的迭代闭环测试时计算（test-time compute）策略。

这套机制的运作逻辑是：先生成多样化的候选解，再引入评估器（evaluator）反馈，然后在固定的提交预算下对后续生成进行迭代优化。换句话说，模型不是一次性给出答案，而是在有限的提交次数约束内不断自我修正——这与人类选手在竞赛中反复调试、根据评测反馈改进代码的过程高度相似。

这种测试时计算的思路，正是当前推理模型领域的重要方向。通过在推理阶段投入更多计算来提升最终结果质量，而非单纯依赖模型参数规模，为专业化任务提供了新的性能提升路径。

测试时计算（Test-Time Compute，TTC）是近年推理模型领域兴起的核心范式，与传统「训练时扩展」思路形成互补。传统方法通过增加训练数据量和模型参数来提升性能，而TTC则在推理阶段动态分配更多计算资源——例如生成多条候选路径后择优、进行多轮反思与自我纠错。OpenAI的o系列模型和DeepSeek-R1均是该范式的代表。GenCorrect的特殊之处在于引入了「外部评估器反馈」这一闭环机制：模型提交代码后，评估器（通常是沙箱执行环境）会返回测试通过情况，模型据此修订方案。这与「最佳候选采样（Best-of-N）」等开环策略不同，外部信号使得每一轮迭代都有信息增益，而非盲目重试，这也正是竞赛编程场景天然适合TTC的原因——题目本身提供了明确的判题反馈。

IOI 2026实测成绩：535.4分

最具分量的数据来自实测环节。该模型在IOI 2026问题集上进行了实时、前瞻性的评估，且严格遵守官方竞赛的时间限制、联网访问和提交约束条件。

最终成绩为535.4分（满分600），这一分数：

• 远超金牌门槛（361.12分）
• 超过了当届最高分人类选手的成绩（498.27分）

这意味着在受控且真实的竞赛条件下，该AI系统首次在IOI问题集上超越了得分最高的人类参赛者。对于长期被视为人类顶尖智力竞技场的信息学奥赛而言，这是一个标志性的节点。

需要保持审慎的是，这些数据均来自英伟达官方的模型说明，尚未见到独立第三方的完整复现验证。竞赛条件下的评估细节、题目难度分布以及与人类选手的对比口径，都值得社区进一步审视。

国际信息学奥林匹克竞赛（IOI）是面向中学生的最高规格算法竞赛，每年吸引全球90余个国家和地区的顶尖选手参与。竞赛采用部分分制，每道题满分100分，共6道题，总分600分。选手以个人身份参赛，比赛分两天进行，每天限时5小时，可多次提交并即时获得评测反馈。金牌通常授予得分位于前十二分之一的选手，历届金牌门槛因题目难度浮动，但通常在300-400分区间。此次英伟达模型取得535.4分，不仅大幅越过金牌线，更超越了当届得分最高的人类选手（498.27分）。值得注意的是，IOI 2026竞赛尚未正式举办，英伟达使用的是预发布题目集进行前瞻性测试，这与DeepMind此前在IOI 2024上以AlphaCode 2进行闭卷测试的情形类似，题目的代表性与评测口径仍有待社区核验。

开放模型的商业意义

英伟达明确标注该模型可用于商业或非商业用途，这延续了Nemotron家族的开放定位。对于开发者和企业而言，一个在特定垂直领域达到甚至超越人类顶尖水平的开源模型，其价值不仅在于竞赛本身，更在于验证了「合成数据蒸馏 + 测试时计算」这套方法论在专业化AI智能体构建上的可行性。

竞赛编程作为算法推理能力的高浓度试金石，模型在此领域的突破往往能外溢到更广泛的代码生成、逻辑推理和问题求解场景。随着开放权重、开放数据和开放配方的完整释出，这一成果对整个AI编程生态的推动作用值得持续观察。