Gemini Deep Think：AI首次达到国际数学奥赛金牌水平
原标题: Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad
中文标题: 搭载Deep Think的高级版Gemini正式达到国际数学奥林匹克金牌水平
发布日期: 2025年7月21日
一句话摘要
Gemini Deep Think解决了2025年IMO六道题中的五道，以35/42分达到金牌水平——这是AI首次以端到端自然语言方式、在竞赛规定时间内完成这一壮举。
核心内容
里程碑成就
2025年7月，Google DeepMind宣布了一项具有历史意义的成就：搭载Deep Think技术的高级版Gemini模型在2025年国际数学奥林匹克竞赛中解决了六道题中的五道，获得35分（满分42分），正式达到金牌水平。
国际数学奥赛主席对此评价道："他们的解答在许多方面令人惊叹。IMO评分员认为这些解答清晰、精确，且大部分易于理解。"
历史性突破
这一成就相较于2024年的表现实现了质的飞跃：
| 维度 | 2024年（AlphaProof + AlphaGeometry 2） | 2025年（Gemini Deep Think） |
|---|---|---|
| 解题数 | 4/6 | 5/6 |
| 总分 | 28/42（银牌） | 35/42（金牌） |
| 所需时间 | 2-3天计算 | 4.5小时竞赛时间内 |
| 技术路线 | 形式化语言（Lean）+ 专用系统 | 端到端自然语言 |
| 人工介入 | 需要人工翻译为形式化语言 | 直接从原始题目描述求解 |
技术路线革新
与2024年依赖形式化语言（Lean）和专门的AlphaProof/AlphaGeometry 2系统不同，2025年的方案实现了根本性的范式转变：
端到端自然语言推理
模型直接从竞赛的官方问题描述出发，用自然语言生成严格的数学证明。不再需要将问题翻译为Lean等形式化语言，消除了人工翻译这一瓶颈。这意味着模型同时具备了"理解问题"和"严格证明"两种能力。
Deep Think：并行思维模式
Deep Think是一种增强推理模式，其核心特征是"并行思维"：
- 模型同时探索和组合多条可能的解决路径
- 不同于传统的线性思维链（Chain of Thought），Deep Think允许模型在多个方向上并行推进
- 在遇到死胡同时可以快速回退并切换到其他路径
- 最终将多条路径的洞察综合为最佳解答
训练方法
- 利用多步推理和定理证明数据进行强化学习训练
- 使用精选的高质量数学问题解答语料库
- 针对IMO级别的问题求解进行专门指导和优化
竞赛表现的深层含义
在4.5小时的标准竞赛时间内完成求解，这一点至关重要。此前（2024年），AlphaProof需要2-3天的计算时间才能完成求解。从"天级"缩短到"小时级"，效率提升了一到两个数量级，意味着这种推理能力已经具备了实际应用的速度基础。
唯一未解决的题目（第6题）通常是IMO最难的题目，往往需要极高的创造性洞察。即便是顶尖人类选手，能完全解出第6题的也是少数。
技术要点
- 端到端自然语言证明： 彻底摆脱了对形式化语言的依赖，证明通用语言模型可以直接产生数学界认可的严格证明
- Deep Think并行推理： 同时探索多条解题路径并进行综合，突破了线性思维链的瓶颈，更接近人类数学家"同时考虑多种方法"的思维模式
- 竞赛时间内求解： 从2024年的2-3天压缩到4.5小时标准竞赛时间，效率提升约一个数量级，使数学推理AI具备了实际应用的时效性
- 强化学习 + 定理证明数据： 通过在高质量数学推理数据上的强化学习，模型获得了超越简单模式匹配的深层推理能力
- 评分员认可的证明质量： IMO评分员确认解答"清晰、精确、易于理解"，说明AI生成的证明不仅正确，而且在表达质量上达到了人类标准
深度解读
从2024年银牌到2025年金牌，表面上只是多解了一道题、多拿了7分。但从技术路线看，这是一次"范式跃迁"：
从专用系统到通用模型。 2024年需要三个专门系统（Gemini翻译器 + AlphaProof + AlphaGeometry 2）的精密配合才能完成任务。2025年只需要一个通用的Gemini模型加上Deep Think推理模式。这种简化不是能力的退化，而是能力的内化——推理能力被融入了模型本身，而非依赖外部脚手架。
从形式化到自然语言。 这一转变的意义怎么强调都不为过。形式化证明虽然严格但脆弱——任何翻译错误都可能导致失败。自然语言证明则更灵活、更直觉化，同时（如评分员所证实的）同样严格。这暗示着，未来AI在数学和科学领域的应用可能不再需要"形式化语言"这个中间层。
Deep Think的认知启示。 并行探索多条解决路径的能力，在认知科学中被称为"发散思维"（divergent thinking），长期以来被认为是人类创造力的核心。Deep Think将这种能力形式化并工程化，为理解"机器创造力"提供了一个有趣的角度。
从"能做"到"能用"。 4.5小时的求解时间意味着，这种级别的数学推理能力已经接近"实用"门槛。想象一下，如果一个研究者可以在几个小时内获得一个极高质量的定理证明，这将如何改变数学研究的工作流程？
延伸思考
- 数学研究的未来形态： 当AI可以在4.5小时内产出金牌水平的IMO证明时，数学家的工作将如何演变？是从"做证明"转向"提出猜想"和"审查AI证明"？
- Deep Think在其他领域的潜力： 并行推理模式是否可以应用于科学假设生成、药物分子设计、法律论证等其他需要"创造性搜索"的领域？
- "最后一题"问题： 第6题通常需要高度创造性的洞察。AI在这类需要"灵光一闪"的问题上的局限性，是否揭示了当前AI推理能力的本质边界？
- 教育冲击： 如果AI已经达到IMO金牌水平，数学竞赛的意义和训练方式是否需要根本性变革？人类数学教育应该强调什么？