人工智能領(lǐng)域迎來(lái)重大突破，開(kāi)源模型DeepSeekMath-V2在國(guó)際數(shù)學(xué)奧林匹克（IMO）2025競(jìng)賽中斬獲金牌，其表現(xiàn)不僅超越谷歌DeepMind的Gemini Deep Think，更在多個(gè)權(quán)威數(shù)學(xué)基準(zhǔn)測(cè)試中展現(xiàn)出統(tǒng)治力。這一成果標(biāo)志著開(kāi)源AI在復(fù)雜推理任務(wù)中首次達(dá)到人類頂尖水平，為通用人工智能（AGI）發(fā)展開(kāi)辟了全新路徑。

該模型基于DeepSeek V3.2 Exp Base架構(gòu)構(gòu)建，在IMO-ProofBench測(cè)試中破解5道難題（滿分6題），達(dá)到金牌標(biāo)準(zhǔn)；在中國(guó)數(shù)學(xué)奧林匹克（CMO）2024和普特南數(shù)學(xué)競(jìng)賽（Putnam）2024中分別取得金牌水平和118分（滿分120分）的驚人成績(jī)，后者甚至超越人類歷史最高分90分。研究團(tuán)隊(duì)通過(guò)創(chuàng)新訓(xùn)練方法，使模型具備自主生成、驗(yàn)證和修正數(shù)學(xué)證明的能力，徹底改變了傳統(tǒng)AI依賴標(biāo)準(zhǔn)答案的訓(xùn)練模式。

核心突破在于"自驗(yàn)證"機(jī)制的引入。團(tuán)隊(duì)設(shè)計(jì)了一套包含生成器、驗(yàn)證器和元驗(yàn)證器的三重系統(tǒng)：生成器負(fù)責(zé)解題并自我評(píng)估，驗(yàn)證器對(duì)證明過(guò)程進(jìn)行嚴(yán)格打分，元驗(yàn)證器則監(jiān)督驗(yàn)證器的準(zhǔn)確性。這種"左右互搏"的架構(gòu)形成閉環(huán)訓(xùn)練：生成器不斷產(chǎn)出更復(fù)雜的證明，驗(yàn)證器隨之提升判別能力，元驗(yàn)證器確保評(píng)分公正性。實(shí)驗(yàn)數(shù)據(jù)顯示，元驗(yàn)證機(jī)制使驗(yàn)證器分析質(zhì)量從0.85提升至0.96，同時(shí)保持打分準(zhǔn)確率。

在直接對(duì)比中，DeepSeekMath-V2展現(xiàn)雙重優(yōu)勢(shì)。基礎(chǔ)測(cè)試集ProofBench-Basic上，其性能已超越谷歌Gemini Deep Think；高級(jí)測(cè)試集ProofBench-Advanced中則緊追不舍。更關(guān)鍵的是，該模型在"一次做對(duì)"能力測(cè)試（CNML）中全面碾壓GPT-5-Thinking-High和Gemini 2.5-Pro：代數(shù)題目得分遠(yuǎn)超對(duì)手，幾何題目成績(jī)接近Gemini的三倍，數(shù)論與組合領(lǐng)域同樣穩(wěn)居第一梯隊(duì)。這證明其底層推理能力已達(dá)到新高度。

真正顛覆性的是模型的自我修正能力。面對(duì)IMO候選題時(shí)，允許8次自我驗(yàn)證可使證明質(zhì)量分?jǐn)?shù)從0.15躍升至0.27；若從32個(gè)解法中篩選最優(yōu)方案，評(píng)分更可達(dá)到0.42。這種"自知之明"源于高算力搜索策略——每道題生成64個(gè)候選證明，每個(gè)證明接受64次獨(dú)立驗(yàn)證，僅完全通過(guò)考驗(yàn)的方案才會(huì)被采納。正是這種嚴(yán)苛流程，使其在IMO 2025中攻克5題，在CMO 2024中達(dá)到金牌水平。

技術(shù)細(xì)節(jié)方面，研究團(tuán)隊(duì)訓(xùn)練了基于大語(yǔ)言模型（LLM）的驗(yàn)證器作為獎(jiǎng)勵(lì)函數(shù)，通過(guò)擴(kuò)展驗(yàn)證器算力標(biāo)注更復(fù)雜證明，形成"生成-驗(yàn)證-優(yōu)化"的強(qiáng)化學(xué)習(xí)循環(huán)。這種設(shè)計(jì)使模型能處理沒(méi)有標(biāo)準(zhǔn)答案的開(kāi)放式問(wèn)題，在最終輸出前主動(dòng)發(fā)現(xiàn)并修正錯(cuò)誤。自動(dòng)化標(biāo)簽生成流程在最后兩輪訓(xùn)練中完全替代人工標(biāo)注，且標(biāo)簽質(zhì)量與專家判斷高度一致。

開(kāi)源特性成為該模型另一大亮點(diǎn)。與谷歌、OpenAI的封閉系統(tǒng)不同，DeepSeekMath-V2完整公開(kāi)技術(shù)路徑和訓(xùn)練方法，為全球AI社區(qū)提供可復(fù)現(xiàn)的參考范式。這種開(kāi)放性或?qū)⒏淖兏叨薃I研發(fā)格局——當(dāng)自驗(yàn)證能力成為核心指標(biāo)，單純堆砌算力的競(jìng)爭(zhēng)模式可能被更具智慧的訓(xùn)練方法取代。正如實(shí)驗(yàn)所示，模型對(duì)未解問(wèn)題的漏洞識(shí)別準(zhǔn)確率與已解問(wèn)題的驗(yàn)證通過(guò)率形成鮮明對(duì)比，有力證明了LLM作為可靠數(shù)學(xué)驗(yàn)證者的潛力。

從模仿人類語(yǔ)言到模擬人類思考，AI正經(jīng)歷質(zhì)變。當(dāng)機(jī)器開(kāi)始在輸出結(jié)果前自我質(zhì)疑、反復(fù)推敲，這種"推翻自己"的勇氣或許正是智慧誕生的標(biāo)志。DeepSeekMath-V2的突破提醒我們：真正的智能不在于瞬間給出答案，而在于理解自身局限并持續(xù)進(jìn)化的能力。這場(chǎng)數(shù)學(xué)競(jìng)賽的勝利，或許只是AI自我進(jìn)化征程的起點(diǎn)。