人工智能领域迎来一项重大突破，一款名为DeepSeekMath-V2的数学推理模型正式开源。这款模型在国际顶级数学竞赛中展现出令人瞩目的实力，不仅在2025年国际数学奥林匹克竞赛（IMO）和2024年中国数学奥林匹克竞赛（CMO）中均达到金牌水准，更在2024年普特南大学生数学竞赛中取得118分的优异成绩，仅差两分便可获得满分，远超人类选手的最高得分90分。
在直接对比测试中，DeepSeekMath-V2以显著优势击败了谷歌的IMO金奖模型DeepThink。实验数据显示，该模型在代数、几何、数论、组合数学和不等式等所有CNML级别问题类别中，表现均超越GPT-5-Thinking-High和Gemini+2.5-Pro等主流大模型，展现出全面的定理证明能力。特别是在处理2024年IMO备选题时，经过自我优化后的证明质量显著提升，验证分数较平均水平提高了37个百分点。
研发团队突破了传统数学推理框架的限制，创新性地将证明验证能力融入大型语言模型。通过构建包含17503道竞赛题目的强化学习数据集，结合专家评分和模型生成的候选证明，开发出独特的双奖励训练机制。该机制包含格式奖励和分数奖励两个核心组件，确保数学模型既能严格遵循数学证明的规范格式，又能精确评估证明过程的逻辑严谨性。为防止验证器虚构问题获取奖励，团队引入了元验证机制，形成二次评估闭环系统。
该模型采用生成器-验证器协同架构，验证器负责逐步检查证明过程，生成器则根据反馈修正错误。这种自我迭代机制使模型在处理2025年IMO六道赛题时，成功解出其中五道，另一道也获得了部分分数；在CMO竞赛中，则完整解答了四道题目。尤为值得一提的是，对于未完全解决的问题，模型能精准定位证明中的关键缺陷，而完全解答的题目则通过了全部64次验证测试。
实际测试表明，该模型能准确处理从基础到竞赛级别的各类数学证明。当被要求证明“根号2为无理数”时，模型迅速给出完整的逻辑链条；面对“奇数和整数哪个多”的证明题，模型提供的解答过程清晰易懂。这些案例显示，该模型不仅具备扎实的数学专业能力，还能将复杂逻辑转化为易于理解的表达形式。
尽管在顶级数学难题上仍有提升空间，但研究证实大型语言模型能够培养出可靠的自我评估能力。通过扩大验证和生成计算规模，该模型已经能够解决需要人类竞赛者花费数小时思考的复杂问题。这套可自我验证的数学推理系统，为开发更强大的AI数学工具开辟了新途径，尤其是在处理需要严谨逻辑推导的定理证明任务中展现出独特优势。
