KI-System erreicht laut Herstellerangabe Goldmedaillen-Niveau bei Informatik-Olympiade 2026

Goldmedaille unter Wettbewerbsbedingungen: 535,4 Punkte bei IOI 2026

Ein Forschungsteam berichtet in einem Paper über ein KI-System, das bei der Internationalen Informatik-Olympiade (IOI) 2026 angetreten ist. Das System erzielte unter denselben Bedingungen wie menschliche Teilnehmer 535,4 von 600 möglichen Punkten. Herstellerangabe: Nach Angaben der Autor:innen lag die Goldmedaillen-Schwelle bei 361,12 Punkten, der beste menschliche Score bei 498,27 Punkten. Das System liegt damit über beiden Werten. Die Punktzahl von 535,4 entspricht einem hohen Anteil der maximal erreichbaren Punkte.

Herstellerangabe: Die Evaluierung erfolgte prospektiv während des Wettbewerbs: Das System unterlag den gleichen Zeitlimits, dem gleichen Internetzugang und den gleichen Einreichungsregeln wie die menschlichen Kontrahenten. Das bedeutet, es musste Lösungen innerhalb der vorgegebenen Zeit einreichen, durfte nur auf die gleichen Online-Ressourcen zugreifen wie menschliche Teilnehmer und konnte nicht auf nachträgliche Optimierung oder zusätzliche Rechenzeit außerhalb des Wettbewerbs zurückgreifen. Diese Bedingungen sind entscheidend, um die Vergleichbarkeit mit menschlichen Leistungen zu gewährleisten und sicherzustellen, dass das System keine unfairen Vorteile hatte.

Herstellerangabe: Die Autor:innen bezeichnen das System als „competition-specific Ultra-CC system“, das auf Basis der Erfahrungen aus der IOI 2025 entwickelt wurde. Die Ergebnisse stammen aus dem Abstract des Papers und sind bislang nicht unabhängig bestätigt. Sollten sie sich als korrekt erweisen, wäre dies ein bedeutender Meilenstein für KI im kompetitiven Programmieren.

Pipeline: Kuratierte Probleme, synthetische Spuren, SFT/RL und GenCorrect

Herstellerangabe: Die zugrunde liegende Pipeline kombiniert mehrere Komponenten, die jeweils einen spezifischen Beitrag zur Leistungsfähigkeit des Systems leisten. Ausgangspunkt sind 22.000 kuratierte Programmierprobleme, die als Trainingsdaten dienen. Die Kuratierung ist entscheidend, weil sie sicherstellt, dass die Probleme von hoher Qualität und für Wettbewerbsaufgaben relevant sind. Ein sauberer und umfangreicher Datensatz bildet die Grundlage für das Training, da das Modell nur so die Vielfalt der möglichen Aufgabenstellungen und Lösungsmuster erlernen kann.

Auf Basis dieser Probleme werden synthetische Reasoning-Spuren erzeugt – das sind Schritt-für-Schritt-Lösungswege, die dem Modell zeigen, wie ein Problem systematisch zerlegt und gelöst wird. Diese Spuren sind besonders wertvoll, weil sie das implizite Denken explizit machen und dem Modell eine Vorlage für strukturiertes Vorgehen liefern. Sie dienen als Trainingssignal für das überwachte Feintuning (Supervised Fine-Tuning, SFT), bei dem das Modell lernt, die vorgegebenen Lösungswege nachzuahmen. SFT legt damit eine solide Basis, indem es das Modell auf die korrekte Syntax und Semantik von Wettbewerbslösungen ausrichtet.

Herstellerangabe: Für das kleinere Modell Nemotron-3-Nano-CC mit 30 Milliarden Parametern (30B-A3B) wird zusätzlich Reinforcement Learning (RL) eingesetzt. Beim RL erhält das Modell Belohnungssignale für die Qualität seiner generierten Lösungen und optimiert so seine Strategie über die reine Nachahmung hinaus. Dieser Schritt ist wichtig, weil er das Modell dazu bringt, nicht nur bekannte Muster zu reproduzieren, sondern eigenständig bessere Lösungen zu finden, die auf die spezifischen Bewertungskriterien des Wettbewerbs zugeschnitten sind. Das größere Modell Nemotron-3-Ultra-CC mit 550 Milliarden Parametern (550B-A55B) wird dagegen ausschließlich mit SFT trainiert. Warum auf RL beim großen Modell verzichtet wurde, geht aus dem Abstract nicht hervor; möglicherweise spielen Rechenkosten oder Stabilitätsgründe eine Rolle, aber das ist Spekulation.

Herstellerangabe: Auf Testzeit-Seite kommt GenCorrect zum Einsatz, eine feedback-getriebene Strategie. GenCorrect generiert iterativ Lösungen, evaluiert sie und verfeinert sie auf Basis des Feedbacks. Das bedeutet, das System erzeugt nicht nur eine einzige Lösung, sondern mehrere Kandidaten, bewertet deren Qualität und verbessert sie schrittweise, bis eine zufriedenstellende Lösung vorliegt. Der konkrete Nutzen liegt darin, dass Fehler in frühen Lösungsversuchen erkannt und korrigiert werden können, ohne das Modell neu trainieren zu müssen. Dieser Ansatz nutzt zusätzliche Rechenzeit während der Inferenz, um die Lösungsqualität zu steigern – ein entscheidender Vorteil unter Wettbewerbsbedingungen, wo die Zeit begrenzt ist, aber innerhalb des Limits noch Spielraum für iterative Verbesserungen besteht.

Herstellerangabe: Die Wirkung der Pipeline zeigt sich an den IOI-2025-Zwischenergebnissen. Das Nano-CC-Modell erreichte vor dem Post-Training 130 Punkte. Nach SFT und RL stieg der Wert auf 291 Punkte. Mit GenCorrect verbesserte sich das Ergebnis weiter auf 468 Punkte. Damit lag das Modell über der Goldschwelle von 438,3 Punkten. Das Ultra-CC-Modell erreichte 502 Punkte. Diese Ergebnisse dienten als Grundlage für die Entwicklung des Wettbewerbssystems für die IOI 2026 und zeigen, dass die Kombination aus spezialisiertem Training und iterativer Testzeit-Optimierung entscheidend für die Leistung ist.

Vorgeschichte: AlphaCode und Codex als Vorläufer

Das neue System steht in einer Reihe von Coding-Modellen, die in den vergangenen Jahren entwickelt wurden. Ein wichtiger Vorläufer ist AlphaCode, ein System zur Codegenerierung, das in simulierten Wettbewerben auf der Codeforces-Plattform getestet wurde. Herstellerangabe: AlphaCode erreichte dort in Wettbewerben mit mehr als 5.000 Teilnehmern durchschnittlich eine Platzierung unter den oberen 54,3 Prozent. Das bedeutet, es war besser als etwa die Hälfte der Teilnehmer, aber weit von der Spitze entfernt. AlphaCode nutzt eine Encoder-Decoder-Transformer-Architektur. Als kritische Komponenten für die Leistung werden ein umfangreicher und sauberer Datensatz für Training und Evaluierung, große und effizient sampelbare Transformer-Architekturen sowie groß angelegtes Modell-Sampling genannt. Das Sampling dient dazu, viele Lösungskandidaten zu erzeugen und anschließend zu filtern. Allerdings fehlt bei AlphaCode ein iteratives Feedback-Verfahren wie GenCorrect; es verlässt sich auf einmalige Generierung und nachträgliche Filterung, was weniger zielgerichtet ist.

Ein weiterer Vorläufer ist Codex, das sich auf die Übersetzung natürlicher Sprache in Code konzentriert. Codex wurde für die Vervollständigung von Code und die Umsetzung von Kommentaren in Programmcode entwickelt, nicht für die Generierung vollständiger Programme zur Lösung komplexer Wettbewerbsaufgaben. Herstellerangabe: Die Autor:innen des AlphaCode-Papers betonten, dass die Generierung vollständiger Programme ein deutlich schwierigeres Problem darstellt, da sie das Verständnis komplexer natürlicher Sprache, das Schlussfolgern über unbekannte Probleme und die präzise Implementierung von Algorithmen über hunderte Zeilen erfordert.

Das neue System geht über beide Vorläufer hinaus, und zwar durch konkrete methodische Neuerungen. Erstens generiert es vollständige Lösungen für echte Wettbewerbsaufgaben und wird unter den tatsächlichen Bedingungen der IOI evaluiert – nicht in Simulationen. Zweitens setzt es Reinforcement Learning ein (zumindest für das Nano-CC-Modell), was bei AlphaCode nicht erwähnt wird und eine direkte Optimierung auf die Belohnung (Punkte) ermöglicht. Drittens – und das ist der wichtigste Unterschied – verwendet es GenCorrect, eine feedback-getriebene Testzeit-Strategie, die Lösungen iterativ generiert, evaluiert und verfeinert. AlphaCode hingegen nutzt nur Sampling und Filtern, ohne die generierten Kandidaten auf Basis von Feedback zu verbessern. Diese iterative Verfeinerung erlaubt es dem neuen System, aus Fehlern in frühen Versuchen zu lernen und die Qualität schrittweise zu steigern. Codex wiederum war auf eine engere Aufgabe beschränkt und zielte nicht auf eigenständige Problemlösung ab. Somit markiert das neue System einen Fortschritt in der Entwicklung von Coding-Modellen.

Offene Frage: Unabhängige Bestätigung fehlt

Die berichteten Ergebnisse stammen aus dem Abstract eines Papers der Autor:innen. Im vorliegenden Material ist keine unabhängige Bestätigung enthalten – weder durch eine dritte Partei noch durch eine offizielle Stelle der Internationalen Informatik-Olympiade. Herstellerangabe: Der Anspruch der Autor:innen, ihres Wissens das erste System zu sein, das diese Leistung erbringt, beruht auf Selbstangabe. Der Abstract endet im Material unvollständig, der Satz „To our knowledge, this is the first“ bricht ab. Eine unabhängige Literaturrecherche wäre erforderlich, um zu prüfen, ob frühere KI-Systeme bereits ähnliche Ergebnisse bei der IOI oder vergleichbaren Wettbewerben erzielt haben. Bis dahin sind die Zahlen als Herstellerangabe zu werten, nicht als gesichertes Faktum.

Sollten sich die Angaben bestätigen, könnte das System die Leistungsfähigkeit von KI im Bereich des kompetitiven Programmierens auf ein neues Niveau heben. Es wäre ein Beleg dafür, dass spezialisierte Post-Training-Pipelines in Kombination mit Testzeit-Strategien wie GenCorrect auch unter strengen Wettbewerbsbedingungen Spitzenleistungen erzielen können. Mögliche Auswirkungen wären neue Forschungsrichtungen im Bereich des iterativen Testzeit-Trainings, eine Diskussion über veränderte Bewertungskriterien bei Programmierwettbewerben sowie ein Einfluss auf Ausbildungsprogramme, die solche Systeme als Lernwerkzeuge nutzen könnten. Gleichzeitig wirft die fehlende unabhängige Überprüfung Fragen zur Reproduzierbarkeit und zur Generalisierbarkeit auf. Zukünftige Forschung sollte daher die Ergebnisse replizieren und die Übertragbarkeit auf andere Wettbewerbsformate oder reale Softwareentwicklungsaufgaben untersuchen.