人工智能領域迎來重大突破，開源模型DeepSeekMath-V2在國際數學奧林匹克（IMO）2025競賽中斬獲金牌，其表現不僅超越谷歌DeepMind的Gemini Deep Think，更在多個權威數學基準測試中展現出統治力。這一成果標志著開源AI在復雜推理任務中首次達到人類頂尖水平，為通用人工智能（AGI）發展開辟了全新路徑。
該模型基于DeepSeek V3.2 Exp Base架構構建，在IMO-ProofBench測試中破解5道難題（滿分6題），達到金牌標準；在中國數學奧林匹克（CMO）2024和普特南數學競賽（Putnam）2024中分別取得金牌水平和118分（滿分120分）的驚人成績，后者甚至超越人類歷史最高分90分。研究團隊通過創新訓練方法，使模型具備自主生成、驗證和修正數學證明的能力，徹底改變了傳統AI依賴標準答案的訓練模式。
核心突破在于"自驗證"機制的引入。團隊設計了一套包含生成器、驗證器和元驗證器的三重系統：生成器負責解題并自我評估，驗證器對證明過程進行嚴格打分，元驗證器則監督驗證器的準確性。這種"左右互搏"的架構形成閉環訓練：生成器不斷產出更復雜的證明，驗證器隨之提升判別能力，元驗證器確保評分公正性。實驗數據顯示，元驗證機制使驗證器分析質量從0.85提升至0.96，同時保持打分準確率。
在直接對比中，DeepSeekMath-V2展現雙重優勢?；A測試集ProofBench-Basic上，其性能已超越谷歌Gemini Deep Think；高級測試集ProofBench-Advanced中則緊追不舍。更關鍵的是，該模型在"一次做對"能力測試（CNML）中全面碾壓GPT-5-Thinking-High和Gemini 2.5-Pro：代數題目得分遠超對手，幾何題目成績接近Gemini的三倍，數論與組合領域同樣穩居第一梯隊。這證明其底層推理能力已達到新高度。
真正顛覆性的是模型的自我修正能力。面對IMO候選題時，允許8次自我驗證可使證明質量分數從0.15躍升至0.27；若從32個解法中篩選最優方案，評分更可達到0.42。這種"自知之明"源于高算力搜索策略——每道題生成64個候選證明，每個證明接受64次獨立驗證，僅完全通過考驗的方案才會被采納。正是這種嚴苛流程，使其在IMO 2025中攻克5題，在CMO 2024中達到金牌水平。
技術細節方面，研究團隊訓練了基于大語言模型（LLM）的驗證器作為獎勵函數，通過擴展驗證器算力標注更復雜證明，形成"生成-驗證-優化"的強化學習循環。這種設計使模型能處理沒有標準答案的開放式問題，在最終輸出前主動發現并修正錯誤。自動化標簽生成流程在最后兩輪訓練中完全替代人工標注，且標簽質量與專家判斷高度一致。
開源特性成為該模型另一大亮點。與谷歌、OpenAI的封閉系統不同，DeepSeekMath-V2完整公開技術路徑和訓練方法，為全球AI社區提供可復現的參考范式。這種開放性或將改變高端AI研發格局——當自驗證能力成為核心指標，單純堆砌算力的競爭模式可能被更具智慧的訓練方法取代。正如實驗所示，模型對未解問題的漏洞識別準確率與已解問題的驗證通過率形成鮮明對比，有力證明了LLM作為可靠數學驗證者的潛力。
從模仿人類語言到模擬人類思考，AI正經歷質變。當機器開始在輸出結果前自我質疑、反復推敲，這種"推翻自己"的勇氣或許正是智慧誕生的標志。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進化的能力。這場數學競賽的勝利，或許只是AI自我進化征程的起點。
