Die ICPC-Finale wird von KI dominiert. Das GPT-5-Kombinationssystem hat alle 12 Aufgaben richtig gelöst und sich an die Spitze gesetzt. Die Menschen kämpfen sich nur um den dritten Platz.

Die Studenten dieser Generation haben es wirklich schwer. Sie kämpfen sich schließlich in die Endrunde eines Programmierwettbewerbs durch, nur um von KI in die Tasche zu gekommen.

Bei der gerade beendeten Weltmeisterschaft des International Collegiate Programming Contest (ICPC) 2025 hat das System von OpenAI alle 12 Aufgaben perfekt gelöst. Würde es in die Rangliste aufgenommen werden, würde es an erster Stelle stehen.

Das Gemini 2.5 Deep Think-Modell von Google hat 10 Aufgaben gelöst und damit das Goldniveau erreicht, rangiert an zweiter Stelle.

Dieses Spitzen-Evenement hat 139 Spitzenteams aus fast 3.000 Universitäten in 103 Ländern der Welt zusammengebracht.

Das KI-System hat sich im unabhängigen "KI-Experiment-Sprint" unter der offiziellen Aufsicht des ICPC hervorragend geschlagen, wobei es die gleichen Aufgaben und Bewertungsstandards wie die menschlichen Teilnehmer hatte.

Eine der schwierigeren Aufgaben, "Aufgabe C", konnte kein Universitätsteam lösen, während sowohl das Modell von Gemini als auch das von OpenAI sie bewältigt haben.

Es ist etwas überzogen, dass Google aus unbekannten Gründen sein System erst 10 Minuten später als die menschlichen Teilnehmer gestartet hat.

OpenAI gewinnt mit vollem Punktesatz und hat starke Unterstützer für GPT-5

OpenAI hat dieses Mal eine Kombination aus GPT-5 und einem experimentellen Inferenzmodell eingesetzt. Innerhalb von weniger als fünf Stunden hat dieses System alle 12 Aufgaben erfolgreich gelöst.

Genauer gesagt hat GPT-5 die ersten 11 Aufgaben unabhängig erledigt, und 11 dieser Aufgaben wurden bei der ersten Einreichung in der offiziellen Online-Bewertungumgebung des ICPC bestanden.

Für das OpenAI-System war die Aufgabe G die größte Herausforderung. Das experimentelle Inferenzmodell hat nach Schwierigkeiten von GPT-5 weitergearbeitet, und beide Modelle mussten insgesamt neunmal einreichen, um diese schwierige Aufgabe zu meistern.

Unter den menschlichen Teilnehmern hat nur das Team der Sankt-Petersburger Staatsuniversität, das an erster Stelle lag, diese Aufgabe nach drei Versuchen gelöst. Viele Universitätsteams haben diese Aufgabe gar nicht einmal eingereicht.

OpenAI hat bisher nicht den Lösungsansatz für diese Aufgabe geteilt, aber sie betont besonders, dass es sich um ein allgemeines Inferenzmodell handelt, das nicht speziell für das ICPC trainiert wurde.

Übrigens ist es erwähnenswert, dass viele Forscher im OpenAI-Team selbst ehemalige Teilnehmer des ICPC sind, darunter der Chefwissenschaftler Jakub Pachocki, der Ilya abgelöst hat. Die Geschichte über ihn kann man hier lesen: Altman lobt zwei Polen ausdrücklich. OpenAI hat noch kein Problem, das sie nicht lösen können.

Es ist gerade ein Jahr seit OpenAI erstmals das Inferenzmodell o1 vorgestellt hat. Im Vergleich zu einem Jahr zuvor ist das aktuelle Inferenzmodell nicht nur intelligenter und schneller, sondern auch kostengünstiger.

Google Gemini löst schwierige Aufgaben unabhängig

Das Google Gemini 2.5 Deep Think wurde 10 Minuten nach Beginn des Wettbewerbs gestartet und hat schließlich innerhalb von fünf Stunden 10 der 12 Aufgaben erfolgreich gelöst, was das Goldniveau erreicht hat.

Gemini hat in den ersten 45 Minuten bereits 8 Aufgaben gelöst und in den nächsten drei Stunden weitere zwei bewältigt. Gemäß der Gesamtzeit von 677 Minuten würde Gemini, wenn es mit Universitätsteams verglichen würde, an zweiter Stelle stehen.

Im folgenden Bild ist die Zeit, in der Gemini die Aufgaben gelöst hat, in blau dargestellt, während die Zeit des schnellsten Universitätsteams in grau gezeigt wird.

Für die Aufgabe C, die die menschlichen Teilnehmer nicht lösen konnten, hat Google den Lösungsansatz geteilt.

Diese Aufgabe verlangt die Entwicklung eines Plans zur Verteilung von Flüssigkeit über ein Netzwerk miteinander verbundener Rohre in Speicherbehälter. Ziel ist es, eine Konfiguration zu finden, die alle Speicherbehälter so schnell wie möglich füllt.

Da jedes Rohr geöffnet, geschlossen oder teilweise geöffnet werden kann, ist die Anzahl möglicher Konfigurationen unendlich, was die Suche nach der optimalen Konfiguration extrem schwierig macht.

Die Lösung von Gemini:

Es geht zunächst davon aus, dass jeder Speicherbehälter einen "Prioritätswert" hat, der angibt, wie stark er im Vergleich zu anderen Speicherbehältern berücksichtigt werden sollte.

Bei einer gegebenen Reihe von Prioritätswerten kann ein dynamisches Programmierungslgorithmus verwendet werden, um die optimale Konfiguration der Rohre zu finden. Durch die Anwendung des Minimax-Theorems kann das ursprüngliche Problem durch die Suche nach den Prioritätswerten gelöst werden, die den resultierenden Fluss am stärksten einschränken.

Unter Ausnutzung der Beziehung zwischen Prioritätswerten und optimalem Fluss hat Gemini mithilfe einer verschachtelten ternären Suche im schalenförmigen konvexen Lösungsraum schnell die optimalen Prioritätswerte gefunden und so die Aufgabe C erfolgreich gelöst.

Google DeepMind hat erklärt, dass der Erfolg von Gemini eine Reihe von technologischen Fortschritten wie Vortraining, Nachtraining, neue Techniken des verstärkten Lernens, mehrschrittige Inferenz und paralleles Denken vereint.

Im Rahmen des verstärkten Lernens haben sie Gemini trainiert, um für einige der schwierigsten Probleme, denen die Programmierwelt gegenübersteht, zu schließen und Code zu generieren, und aus den Ergebnissen gelernt, um ihre Methoden ständig zu verbessern.

One More Thing

Seit der Entstehung des Inferenzmodellparadigmas hat KI sich kontinuierlich in der Mathematik-Olympiade IMO, der Informatik-Olympiade IOI und dem Programmierwettbewerb ICPC hervorragend bewährt.