Model Nemotron zdobywa złote medale na IMO i IOI 2026 – jak NVIDIA dostroiła jeden model do dwóch olimpiad
W skrócie
- Model Nemotron 3 Ultra, dostrojony przez NVIDIA, osiągnął poziom złotego medalu zarówno na Międzynarodowej Olimpiadzie Informatycznej (IOI 2026, wynik 535,4/600), jak i Matematycznej (IMO 2026, wynik 30/42).
- Do sukcesu na IOI wystarczył jeden etap nadzorowanego dostrajania (SFT) uzupełniony strategią iteracyjnego generowania i poprawiania kodu (GenCorrect), a na IMO system łączył trzy punkty kontrolne modelu w pętli generowania, weryfikacji i udoskonalania dowodów.
- Wszystkie modele, dane i przepisy treningowe zostały udostępnione publicznie na platformie Hugging Face.
Zespoły NVIDIA osiągnęły wynik, który jeszcze niedawno wydawał się nieosiągalny dla systemów AI: ten sam model bazowy – Nemotron 3 Ultra – po odpowiednim dostrojeniu zdobył poziom złotego medalu zarówno na Międzynarodowej Olimpiadzie Informatycznej (IOI 2026), jak i Międzynarodowej Olimpiadzie Matematycznej (IMO 2026) huggingface.co.
To dwa zupełnie różne wyzwania intelektualne, wymagające odmiennych umiejętności, co sprawia, że podwójny sukces jest szczególnie znaczący.
Dwie olimpiady, dwa różne wyzwania
IOI i IMO testują różne kompetencje. IOI wymaga pisania algorytmów i kodu, który przechodzi ukryte testy w rygorystycznych limitach czasowych i przy ograniczonej liczbie zgłoszeń. IMO natomiast wymaga rygorystycznych dowodów matematycznych zapisanych w języku naturalnym. Sukces w obu konkursach jednocześnie wskazuje na coś szerszego niż wąska specjalizacja huggingface.co.
Wyniki przedstawiają się następująco:
| Konkurs | Specjalizacja Nemotron | Wynik | |---|---|---| | IOI 2026 | Nemotron-3-Ultra-CC z SFT i GenCorrect | 535,4/600, powyżej progu złotego medalu (361,12) i najlepszego wyniku człowieka (498,27) | | IMO 2026 | Nemotron 3 Ultra (ogólny, SFT i RL) w systemie generuj-weryfikuj-udoskonalaj | 30/42, powyżej oficjalnego progu złotego medalu (29) |
Wynik na IOI pochodził z przeprowadzonego na żywo, prospektywnego testu w tych samych warunkach co dla ludzkich uczestników – z tymi samymi ograniczeniami czasowymi, brakiem dostępu do internetu i limitem zgłoszeń. Był to nieoficjalny, nienadzorowany test porównawczy, który nie został uwzględniony w oficjalnym rankingu IOI. Dowody matematyczne przesłane na IMO zostały ocenione przez oficjalnych egzaminatorów olimpiady huggingface.co.
Przepis na specjalizację – cztery elementy
Kluczowym przesłaniem NVIDIA jest to, że nie trzeba budować nowego modelu bazowego dla każdego wyzwania. Wystarczy wyspecjalizować istniejący, silny fundament. Przepis zastosowany w obu projektach składał się z czterech elementów: nadzorowanego dostrajania (SFT), uczenia przez wzmacnianie (RL), wnioskowania sterowanego informacją zwrotną oraz starannie dobranego korpusu danych treningowych huggingface.co.
Od ogólnych umiejętności kodowania do złotego medalu IOI
Na potrzeby programowania konkursowego zespół zebrał 22 000 zadań i wygenerował syntetyczne ślady rozumowania do trenowania dwóch modeli specjalistycznych huggingface.co:
- Nemotron-3-Nano-CC – 30 miliardów parametrów łącznie, 3 miliardy aktywnych; trenowany zarówno SFT, jak i RL
- Nemotron-3-Ultra-CC – 550 miliardów parametrów łącznie, 55 miliardów aktywnych; trenowany wyłącznie SFT
Progresja wyników na IOI 2025 dobrze ilustruje wartość specjalizacji. Model Nano poprawił się z 130 punktów przed post-treningiem do 280 po SFT i 291 po RL. Dzięki strategii GenCorrect – iteracyjnemu podejściu „generuj-oceniaj-udoskonalaj" – osiągnął 468 punktów i przekroczył próg złotego medalu wynoszący 438,3. Model Ultra-CC z tą samą strategią wnioskowania w czasie testowania osiągnął 502 punkty huggingface.co.
Eksperymenty ujawniły też ważną obserwację dotyczącą skali: SFT odpowiadał za większość przyrostu wyników modelu Nano, a RL dodawał mniejszą, ale konsekwentną poprawę. Dla silniejszego modelu Ultra jeden etap SFT wystarczył, by przewyższyć w pełni post-trenowany model Nano na IOI, ICPC i LiveCodeBench Pro. To spostrzeżenie ukształtowało system Ultra-CC użyty na IOI 2026, który uzyskał 535,4 na 600 możliwych punktów huggingface.co.
Uczenie Nemotron dowodzenia, sprawdzania i poprawiania
Projekt IMO zastosował tę samą filozofię do matematyki olimpijskiej. Wychodząc od Nemotron 3 Ultra, wytrenowano dwa modele specjalistyczne: jeden metodą SFT, drugi metodą RL huggingface.co.
Korpus SFT zawierał 414 890 przykładów wysokiej jakości obejmujących 15 818 unikalnych zadań dowodowych. Dane nie ograniczały się do uczenia końcowych odpowiedzi – obejmowały generowanie dowodów, ich udoskonalanie, weryfikację i meta-weryfikację, dzięki czemu model nauczył się konstruować argumenty, identyfikować luki, odpowiadać na krytykę i oceniać kompletność dowodu. Model RL trenowano na 9 597 zadaniach dowodowych wybranych na granicy możliwości modelu huggingface.co.
Oba post-trenowane punkty kontrolne przewyższały model ogólnodostępny w eksperymentach deweloperskich. Punkt kontrolny SFT był najsilniejszy w pierwszej rundzie przeszukiwania, podczas gdy punkt kontrolny RL osiągnął najlepszy ogólny wynik dla pojedynczego modelu. Ich mocne strony były komplementarne, dlatego finalny system wykorzystał oba modele specjalistyczne obok modelu ogólnego huggingface.co.
Dla każdego zadania IMO modele generowały kandydujące dowody, oceniały je, tworzyły krytyki i udoskonalały najbardziej obiecujące próby. Oddzielny etap wysokich obliczeń wybierał ostateczne zgłoszenie. Cały system działał w języku naturalnym – bez formalnego dowodziciela, zewnętrznych narzędzi ani dostępu do internetu. Uzyskał 30 na 42 punkty, w tym pełne punkty za cztery z sześciu zadań, i przekroczył oficjalny próg złotego medalu huggingface.co.
Otwarte modele i dane na Hugging Face
Wszystkie modele, dane treningowe i przepisy zostały udostępnione publicznie na platformie Hugging Face huggingface.co.
Wcześniejszy post NVIDIA dotyczący IOI 2025 pokazał, jak obliczenia w czasie testowania mogą podnieść modele open-weight do poziomu złotego medalu. Nowe wyniki dodają do tego obrazu istotny element: dostrajanie i obliczenia w czasie testowania wzajemnie się wzmacniają, a nie zastępują huggingface.co.
Co to oznacza
Wyniki Nemotron na IOI i IMO 2026 to nie tylko pokaz możliwości konkretnego modelu – to demonstracja ogólnej strategii budowania systemów AI zdolnych do rozwiązywania najtrudniejszych problemów intelektualnych. Kluczowe jest to, że NVIDIA nie stworzyła osobnych, wyspecjalizowanych architektur dla matematyki i programowania, lecz pokazała, że jeden silny model bazowy można skutecznie adaptować do radykalnie różnych dziedzin za pomocą powtarzalnego przepisu treningowego.
Dla polskich badaczy, firm technologicznych i uczelni oznacza to, że bariera wejścia w budowanie zaawansowanych systemów AI dla konkretnych zastosowań – prawa, medycyny, inżynierii – jest niższa niż dotychczas sądzono. Udostępnienie modeli, danych i przepisów na Hugging Face sprawia, że metodologia ta jest dostępna nie tylko dla gigantów technologicznych, ale też dla mniejszych zespołów badawczych.
Warto też zwrócić uwagę na implikacje dla edukacji i olimpiad naukowych. Wynik 535,4/600 na IOI 2026 – przewyższający najlepszy ludzki wynik 498,27 – stawia pytania o przyszłość konkursów programistycznych i matematycznych jako miar ludzkich zdolności. Jednocześnie otwiera możliwości wykorzystania podobnych systemów jako narzędzi do nauki i treningu dla przyszłych olimpijczyków.
Szerszy kontekst
NVIDIA dostroiła Nemotron 3 do wyników na poziomie złota na IOI 2026 (535,4/600) i IMO 2026 (30/42).
System zdobył 30 punktów na 42, z pełnymi punktami za cztery z sześciu zadań. Oficjalny próg złota wynosił 29. To przewaga jednego punktu, więc pojedyncza różnica w ocenie mogłaby zmienić przypisaną etykietę.
Oficjalne wyniki IOI pokazują, że najlepszy ludzki uczestnik, Qiwen Xu, zajął pierwsze miejsce z wynikiem 498,27, a ostateczny próg złotego medalu wynosił 361,12.
Nemotron nie otrzymał złotego medalu IOI, ponieważ nie był oficjalnym uczestnikiem.
Egzaminatorzy IMO oficjalnie ocenili dowody matematyczne; wynik IOI pochodził z działającego, ale nienadzorowanego uruchomienia i został wyłączony z rankingów konkursu.
System Nemotron-3-Ultra-CC zdobył 535,4 punktu na 600 na IOI 2026, które odbyło się w dniach 9-16 sierpnia w Taszkencie w Uzbekistanie, przewyższając wynik najlepszego ludzkiego uczestnika (498,27) o ponad 37 punktów i znacznie przekraczając próg złotego medalu wynoszący 361,12.
Analiza
Najważniejszy wniosek dotyczy sposobu osiągnięcia wyniku, a nie samej liczby punktów. Jak podaje superpowerdaily.com, Nemotron nie odpowiedział poprawnie za pierwszym razem. Wynik wzięła się z wyspecjalizowania systemu, wielokrotnego sprawdzania i poprawiania odpowiedzi. To przesuwa uwagę z pytania „który model jest najlepszy” na pytanie „jaki proces wnioskowania i jakie dane go napędzają”. Warto też precyzyjnie oddać status tych wyników. Według yelzkizi.org system nie zdobył oficjalnego medalu, bo nie był zawodnikiem, a wynik na IOI powstał w nienadzorowanym teście poza oficjalnym rankingiem. Określenie „poziom złotego medalu” jest więc poprawne, a twierdzenie o zdobyciu złota już nie.
Liczby warto czytać razem z rozrzutem. Wynik 535,4 na IOI jest o 174,28 punktu powyżej progu 361,12 i o 37,13 punktu powyżej najlepszego człowieka, Qiwen Xu (498,27), jak podaje yelzkizi.org. Ważniejsza jest jednak powtarzalność: w pięciu niezależnych przebiegach średnia wyniosła 521,72, przy minimum 495,0 i maksimum 545,8 (wg yelzkizi.org). To sugeruje stabilność podejścia, a nie szczęśliwy strzał. Wynik na IMO jest natomiast dużo skromniejszy: 30 punktów przy progu 29. Jak zauważa explainx.ai, jeden punkt różnicy w ocenie mógłby zmienić całą etykietę. Dowody w języku naturalnym nie są automatycznie weryfikowane, więc ocena zależy od egzaminatorów.
Najbardziej praktyczne pytanie dotyczy tego, kto skorzysta z udostępnionego przepisu. Modele, dane i przepisy są publicznie dostępne na Hugging Face, co obniża barierę wiedzy i odtwarzalności. Nie obniża jednak bariery infrastrukturalnej: model Ultra ma 550 miliardów parametrów łącznie, a obliczenia w czasie testowania są kosztowne. Dla polskich uczelni i mniejszych firm realistyczną ścieżką jest więc raczej dostrajanie mniejszych modeli, jak Nano, na własnych zbiorach z ich dziedziny, niż kopiowanie wyniku olimpijskiego.