NVIDIA สรุปสูตร Nemotron ระดับเหรียญทอง IOI และ IMO 2026 — โมเดลโค้ด 550B แบบ open-weight ทำได้ 535.4/600 สูงกว่าคะแนนมนุษย์อันดับหนึ่ง และเปิดข้อมูลกับ recipe ให้ทำซ้ำได้
หมายเหตุเรื่องวันที่: บล็อกที่เป็นแหล่งข่าวนี้ลงวันที่ 7 ต.ค. 2026 แต่ checkpoint และ dataset ส่วนใหญ่ขึ้น Hugging Face ไว้ตั้งแต่ 2–3 ก.ย. โดยไม่มีประกาศใหญ่ เราไม่ได้รายงานตอนนั้น โพสต์นี้จึงเป็นการรายงานย้อนหลัง ไม่ใช่ของที่เพิ่งปล่อย
NVIDIA สรุปว่า Nemotron 3 ที่ผ่าน SFT, RL และ inference loop แบบ generate–verify–refine ทำคะแนนถึงระดับเหรียญทองได้ทั้งในโอลิมปิกคอมพิวเตอร์ (IOI) และโอลิมปิกคณิตศาสตร์ (IMO) ปี 2026 และปล่อยทั้งโมเดล ข้อมูลเทรน และ pipeline ให้ทำซ้ำได้
| รายการแข่ง | ระบบ | ผล |
|---|---|---|
| IOI 2026 | Nemotron-3-Ultra-CC + GenCorrect | 535.4/600 (เกณฑ์ทอง 361.12, มนุษย์อันดับหนึ่ง 498.27) |
| IMO 2026 | Nemotron 3 Ultra (general + SFT + RL) | 30/42 (เกณฑ์ทอง 29) |
อ่านตัวเลข IOI ให้ถูก
ผล IOI เป็น การรันสดแบบ prospective คือรันก่อนโจทย์เผยแพร่ ภายใต้เวลา การเข้าถึงอินเทอร์เน็ต และจำนวน submission เท่ากับผู้แข่งที่เป็นมนุษย์ แต่ NVIDIA ระบุว่าเป็น “an unofficial, unsupervised benchmark” และ ไม่อยู่ในการจัดอันดับทางการ การ์ดโมเดลเรียกว่า “the first AI system reported to outscore the highest-scoring human contestant on an IOI problem set” ซึ่งเป็นข้ออ้างของ NVIDIA เอง ไม่มีผู้จัด IOI รับรอง และเป็นผลจาก การรันครั้งเดียว
ฝั่ง IMO หนักแน่นกว่า เพราะบทพิสูจน์ที่ส่ง ตรวจโดยกรรมการ IMO ทางการ ระบบทำงานด้วยภาษาธรรมชาติล้วน ไม่มี formal prover ไม่มีเครื่องมือภายนอก และไม่มีอินเทอร์เน็ต ได้คะแนนเต็ม 4 จาก 6 ข้อ
โมเดลโค้ด 550B ที่ดาวน์โหลดได้
ตัวที่นักพัฒนาเอาไปใช้ได้คือ NVIDIA-Nemotron-Labs-3-Competitive-Coding-550B-A55B-NVFP4
- ขนาด: MoE 550B total / 55B active ฐานคือ Nemotron-3-Ultra
- การเทรน: SFT แค่ 1 epoch บน reasoning trace สังเคราะห์ 477,642 ชุด จากโจทย์ 22,000 ข้อ ใน 16 ตระกูลการแข่งขัน trace ทั้งหมด กลั่นมาจาก GLM-5.2 ซึ่ง NVIDIA เลือกแทนตัวที่เทรนจาก DeepSeek-V4-Flash เพราะแม่นกว่าและคำตอบสั้นกว่าราว 30%
- Context: สูงสุด 262,144 token
- License: OpenMDW-1.1 ใช้เชิงพาณิชย์ได้ และไม่จำกัดการใช้ output แต่สิทธิ์จะสิ้นสุดถ้าผู้ใช้ฟ้องว่าโมเดลละเมิดสิทธิบัตรหรือลิขสิทธิ์
- ฮาร์ดแวร์: ไฟล์เป็น NVFP4 ผสม FP8 ตัวอย่าง deploy ในการ์ดใช้ 4×GB300 (TP4) ผ่าน vLLM 0.22.0 การ quantize ทำให้ throughput เพิ่มจาก 199.1 เป็น 736.8 token/s ต่อ GPU โดยแลกกับคะแนน IOI 2025 Score@1 ที่ลดจาก 59.4% เหลือ 52.8% รันบนการ์ดจอทั่วไปไม่ได้
- ข้อจำกัดการใช้งาน: การ์ดระบุว่าเป็นโมเดลเฉพาะทางสำหรับโจทย์แข่งขัน “not a general-purpose chat or agent model”
คะแนนอื่นในการ์ด: IOI 2025 ได้ 502/600 (ใช้ GenCorrect 5 รอบ), ICPC 2025 แก้ได้ 9.6/12 ข้อ และ LiveCodeBench Pro pass@1 74.5%
Recipe: fine-tune บวก test-time compute
บล็อกเน้นว่าเหรียญไม่ได้มาจาก fine-tune อย่างเดียว และไม่ได้มาจากการสุ่มคำตอบจำนวนมากอย่างเดียว ตัวอย่างที่ชัดคือ Nemotron-3-Nano-CC (30B-A3B) บน IOI 2025 ได้ 130 คะแนนก่อน post-train, 280 หลัง SFT, 291 หลัง RL และ 468 เมื่อเพิ่ม GenCorrect ซึ่งเป็น loop ที่สร้างคำตอบหลายแบบ ส่งไปให้ evaluator ตรวจ แล้วใช้ feedback ปรับรอบถัดไป ผลนี้ผ่านเกณฑ์ทอง 438.3 ส่วนโมเดลขนาด Ultra นั้น SFT แค่ epoch เดียวก็เก่งกว่า Nano ที่ post-train ครบทุกขั้น (บล็อกระบุว่าปล่อยเฉพาะ Ultra-CC ไม่ได้บอกว่าปล่อย Nano-CC)
ฝั่ง IMO ปล่อยออกมาใน collection เดียว ได้แก่ checkpoint SFT และ RL ของ Nemotron 3 Ultra, dataset SFT 414,890 ตัวอย่าง จากโจทย์พิสูจน์ 15,818 ข้อ, dataset RL 9,597 โจทย์ และ benchmark ใหม่ Nemotron-IMO-Bench 200 ข้อ ส่วน pipeline inference, prompt และบทพิสูจน์ที่ส่งจริงอยู่ใน NeMo-Skills
มุมมอง AI Curator
ผลระดับเหรียญทองโอลิมปิกส่วนใหญ่ที่ผ่านมามาจากระบบปิดที่ตรวจสอบจากภายนอกไม่ได้ สิ่งที่ NVIDIA ทำต่างออกไปคือ ปล่อยทุกส่วนที่จำเป็นต่อการทำซ้ำ ทั้งน้ำหนัก ข้อมูล และ inference loop ภายใต้ license ที่ใช้เชิงพาณิชย์ได้ นี่คือส่วนที่มีค่าที่สุดของข่าว แม้ตัวโมเดล 550B จะใหญ่เกินกว่าที่ทีมส่วนใหญ่จะรันเองได้ บทเรียนเรื่อง GenCorrect กับตัวเลขของ Nano (130 → 468) ใช้กับงานอื่นได้ทันที ถ้างานของคุณมี ตัวตรวจอัตโนมัติ เช่น unit test, compiler หรือ validator โมเดลเล็กที่ fine-tune มาดีพร้อม loop ที่สร้าง ตรวจ และแก้ซ้ำได้หลายรอบ อาจได้ผลดีกว่าการเรียกโมเดลใหญ่ครั้งเดียว ซึ่งเป็นหลักเดียวกับข่าว ts-rust ในวันเดียวกัน ที่ชุดเทสต์ทำหน้าที่เป็นผู้ตัดสิน
มีสองเรื่องที่ควรจับตา เรื่องแรกคือการ กลั่นจาก GLM-5.2 แปลว่าโมเดลเรือธงของบริษัทอเมริกันพึ่ง trace จากโมเดลจีนแบบ open-weight ในขั้นตอนสำคัญ องค์กรที่จะเอาไปใช้ควรตรวจเงื่อนไขการใช้ output ของโมเดลต้นทางเองด้วย ไม่ใช่ดูแค่ license ของ checkpoint ปลายทาง เรื่องที่สองคือคำว่า “สูงกว่ามนุษย์อันดับหนึ่ง” มาจากการรันครั้งเดียวนอกการแข่งขันทางการ สำหรับครูและโค้ชค่าย สอวน. คอมพิวเตอร์ในไทย ข่าวนี้ไม่ได้บอกว่าการแข่งขันหมดความหมาย แต่บอกว่า dataset โจทย์พร้อม reasoning trace หลายแสนชุดที่ NVIDIA เปิดให้ใช้ฟรีกลายเป็นสื่อฝึกที่น่าเอาไปใช้ เพราะมันมีตั้งแต่การสร้างบทพิสูจน์ การวิจารณ์ ไปจนถึงการแก้ ซึ่งเป็นทักษะที่นักเรียนต้องมีอยู่แล้ว
แหล่งข่าว
อ่านเพิ่มในหมวด โมเดลใหม่
Google เปิดตัว Gemini 4 Carbon ขึ้นอันดับ 1 Artificial Analysis v5 ด้วยคะแนน 59 แต่ยังให้ใช้แค่นักป้องกันไซเบอร์กลุ่มเล็ก
Gemini 4 Carbon เปิดตัว 28 ต.ค. แซง Claude Opus 5.5 บน Intelligence Index v5 แค่ 1 คะแนน และตามหลังเพียง 3 คะแนนในดัชนี coding agent ราคาเปิดตัว $2/$10 แต่นักพัฒนาทั่วไปยังเรียกใช้ไม่ได้ ระหว่างที่ Google ค่อย ๆ เปิดผ่านโปรแกรม Fairwind
Microsoft ปล่อย Mage-VL-Cowork โมเดล 4B คุมเดสก์ท็อปและเทอร์มินัลในตัวเดียว ได้ 66% บน OSWorld-Verified สัญญาอนุญาต Apache-2.0
Mage-VL-Cowork ขนาด 4B ของ Microsoft เลือกเองว่าจะคลิกหน้าจอหรือสั่ง bash ทำคะแนน OSWorld-Verified 66.0% ใกล้ค่าอ้างอิงมนุษย์ 72.4% ในตารางเดียวกัน แต่คำว่าดีที่สุดในขนาด 4B มีคู่เทียบบนตารางนี้แค่รุ่นเดียว
Mistral ปล่อยน้ำหนัก Large 4 จริงแล้ว — 1T ราคาลดเกือบครึ่ง แต่บน AA ได้ 26 และสัญญาอนุญาตห้ามขายเป็น API ถ้าไม่มีใบอนุญาตแยก
Mistral ปล่อยน้ำหนัก Large 4 (Le Chonk) เมื่อ 29 ต.ค. เป็นรุ่นที่ฝึก RL ต่ออีกสามสัปดาห์หลัง preview ขนาด 1T ใช้พื้นที่ราว 1.06TB ราคา API ลดเหลือ $0.70/$2.10 Mistral นำ open-weight ด้าน coding แต่คะแนนรวม AA 26 ตามหลังโมเดลจีน และสัญญาอนุญาตกันธุรกิจ Model-as-a-Service