DeepSeek上新，“奥数金牌水平”

刘绪刚

第一财经

本文字数：1072，阅读时长大约2分钟
作者 | 第一财经 刘晓洁
11月27日晚，DeepSeek悄悄地在Hugging Face 上开源了一个新模型：DeepSeek-Math-V2。这是一个数学方面的模型，也是目前行业首个达到IMO（国际奥林匹克数学竞赛）金牌水平且开源的模型。
在同步发布的技术论文中，DeepSeek表示，Math-V2的部分性能优于谷歌旗下的Gemini DeepThink，并展示了模型在IMO-ProofBench基准以及近期数学竞赛上的表现。

具体来看，在其中的Basic基准上，DeepSeek-Math-V2 远胜其他模型，达到了近99%的高分，而排在第二的谷歌旗下Gemini Deep Think (IMO Gold)分数为89%。但在更难的 Advanced 子集上，Math-V2分数为61.9%，略逊于 Gemini Deep Think (IMO Gold)的65.7%。
在这篇名为《DeepSeek Math-V2：迈向可自验证的数学推理》的论文中，DeepSeek指出，大语言模型已经在数学推理方面取得了重大进展，这是人工智能的重要试验台，如果进一步推进，可能会对科学研究产生影响。

但当前的AI在数学推理方面有着研究局限：以正确的最终答案作为奖励，正确的答案却不能保证正确的推理。许多数学任务，如定理证明，需要严格的分步推导，而不是数字答案，这使得最终答案奖励不适用。
为了突破深度推理的极限，DeepSeek认为有必要验证数学推理的全面性和严谨性。团队提出，自我验证对于扩展测试时间计算尤为重要，特别是对于那些没有已知解决方案的开放问题。
此次DeepSeek推出的Math-V2就从结果导向转向了过程导向，展示了强大的定理证明能力。这一模型不依赖大量的数学题答案数据，而是通过教会AI如何像数学家一样严谨地审查证明过程，从而在没有人类干预的情况下，也能不断提升解决高难度数学证明题的能力 。
论文提到，Math-V2在IMO 2025和CMO 2024上取得了金牌级成绩，在Putnam 2024上通过扩展测试计算实现了接近满分的成绩（118/120）。
DeepSeek认为，虽然仍有许多工作要做，但这些结果表明，可自我验证的数学推理是一个可行的研究方向，可能有助于开发更强大的数学AI系统。
对于DeepSeek此次的动作，海外的反应是“鲸鱼终于回来了”。有网友感慨，DeepSeek以10个百分点的优势击败了谷歌的IMO Gold 获奖模型DeepThink，这不在预测范围内。“想象一下，当他们公布编程模型时会发生什么，我打赌他们绝对有编程模型。”
目前，行业头部厂商的模型已经又迭代了一轮，11月，先是OpenAI发布了GPT-5.1，几天后xAI发布Grok 4.1，就在上周谷歌发布了Gemini 3系列引爆AI圈，“也该轮到DeepSeek出牌了”。不过，更受外界关注的仍然是，DeepSeek的旗舰模型到底什么时候更新，行业期待“鲸鱼”的下一个动作。