11月27日晚，DeepSeek在Hugging Face上開源了一個(gè)新模型：DeepSeek-Math-V2。這是一個(gè)數(shù)學(xué)模型，也是目前首個(gè)達(dá)到IMO金牌水平且開源的模型。

在同步發(fā)布的技術(shù)論文中，DeepSeek表示Math-V2的部分性能優(yōu)于谷歌旗下的Gemini DeepThink，并展示了模型在IMO-ProofBench基準(zhǔn)以及近期數(shù)學(xué)競賽上的表現(xiàn)。具體來看，在Basic基準(zhǔn)上，DeepSeek-Math-V2達(dá)到了近99%的高分，遠(yuǎn)勝其他模型，而排在第二的Gemini Deep Think (IMO Gold)分?jǐn)?shù)為89%。但在更難的Advanced子集上，Math-V2分?jǐn)?shù)為61.9%，略遜于Gemini Deep Think (IMO Gold)的65.7%。

在這篇名為《DeepSeek Math-V2：邁向可自驗(yàn)證的數(shù)學(xué)推理》的論文中，DeepSeek指出大語言模型已經(jīng)在數(shù)學(xué)推理方面取得了重大進(jìn)展，這是人工智能的重要試驗(yàn)臺(tái)，如果進(jìn)一步推進(jìn)，可能會(huì)對(duì)科學(xué)研究產(chǎn)生影響。但當(dāng)前AI在數(shù)學(xué)推理方面存在局限：以正確的最終答案作為獎(jiǎng)勵(lì)，正確的答案卻不能保證正確的推理。許多數(shù)學(xué)任務(wù)如定理證明需要嚴(yán)格的分步推導(dǎo)，而不是數(shù)字答案，這使得最終答案獎(jiǎng)勵(lì)不適用。

為了突破深度推理的極限，DeepSeek認(rèn)為有必要驗(yàn)證數(shù)學(xué)推理的全面性和嚴(yán)謹(jǐn)性。團(tuán)隊(duì)提出自我驗(yàn)證對(duì)于擴(kuò)展測試時(shí)間計(jì)算尤為重要，特別是對(duì)于那些沒有已知解決方案的開放問題。此次推出的Math-V2從結(jié)果導(dǎo)向轉(zhuǎn)向了過程導(dǎo)向，展示了強(qiáng)大的定理證明能力。這一模型不依賴大量的數(shù)學(xué)題答案數(shù)據(jù)，而是通過教會(huì)AI如何像數(shù)學(xué)家一樣嚴(yán)謹(jǐn)?shù)貙彶樽C明過程，從而在沒有人類干預(yù)的情況下不斷提升解決高難度數(shù)學(xué)證明題的能力。

論文提到Math-V2在IMO 2025和CMO 2024上取得了金牌級(jí)成績，在Putnam 2024上通過擴(kuò)展測試計(jì)算實(shí)現(xiàn)了接近滿分的成績（118/120）。DeepSeek認(rèn)為雖然仍有許多工作要做，但這些結(jié)果表明可自我驗(yàn)證的數(shù)學(xué)推理是一個(gè)可行的研究方向，可能有助于開發(fā)更強(qiáng)大的數(shù)學(xué)AI系統(tǒng)。

對(duì)于DeepSeek此次的動(dòng)作，海外的反應(yīng)是“鯨魚終于回來了”。有網(wǎng)友感慨DeepSeek以10個(gè)百分點(diǎn)的優(yōu)勢擊敗了谷歌的IMO Gold獲獎(jiǎng)模型DeepThink，這不在預(yù)測范圍內(nèi)?！跋胂笠幌?，當(dāng)他們公布編程模型時(shí)會(huì)發(fā)生什么，我打賭他們絕對(duì)有編程模型?！?/p>

目前行業(yè)頭部廠商的模型已經(jīng)又迭代了一輪，11月先是OpenAI發(fā)布了GPT-5.1，幾天后xAI發(fā)布Grok 4.1，上周谷歌發(fā)布了Gemini 3系列引爆AI圈，“也該輪到DeepSeek出牌了”。外界更加關(guān)注的是DeepSeek的旗艦?zāi)Ｐ偷降资裁磿r(shí)候更新，行業(yè)期待“鯨魚”的下一個(gè)動(dòng)作。