11 月 27 日の夜、DeepSeek は、Hugging Face の新しいモデル、DeepSeek-Math-V2 を密かにオープンソース化しました。これは数学モデルであり、IMO (国際数学オリンピック) 金メダルレベルに達し、オープンソース化された業界初のモデルでもあります。
DeepSeek は同時に発表された技術文書の中で、Math-V2 のパフォーマンスの一部は Google の Gemini DeepThink よりも優れていると述べ、IMO-ProofBench ベンチマークと最近の数学コンテストでこのモデルのパフォーマンスを実証しました。
具体的には、Basic ベンチマークでは、DeepSeek-Math-V2 は他のモデルをはるかに上回り、99% 近い高スコアに達しています。一方、2 位にランクされている Google の Gemini Deep Think (IMO Gold) スコアは 89% です。しかし、より難しい Advanced サブセットでは、Math-V2 のスコアは 61.9% で、Gemini Deep Think (IMO ゴールド) の 65.7% よりわずかに悪かった。
「DeepSeek Math-V2: 自己検証可能な数学的推論に向けて」と題された論文の中で、DeepSeek は、大規模な言語モデルが数学的推論において大幅な進歩を遂げたと指摘しました。これは人工知能の重要なテストベッドであり、さらに進化すれば科学研究に影響を与える可能性があります。
しかし、現在の AI には数的推論における研究上の限界があります。つまり、最終的な正解は報酬として使用されますが、正解は正しい推論を保証するものではありません。定理の証明などの数学的タスクの多くは、数値的な答えではなく段階的に厳密に導出する必要があるため、最終的な答えの報酬は適用できません。
深層推論の限界を突破するには、数学的推論の包括性と厳密性を検証する必要があると DeepSeek は考えています。研究チームは、自己検証は、特に既知の解決策のない未解決の問題の場合、テスト時間の計算をスケーリングするために特に重要であると提案しています。
今回DeepSeekが発表したMath-V2は、結果指向からプロセス指向に移行し、強力な定理証明能力を実証した。このモデルは、数学的な質問に対する答えに関する大量のデータに依存しません。その代わりに、数学者と同じくらい厳密に証明プロセスをレビューする方法を AI に教え、それによって人間の介入なしに難しい数学的証明の問題を解決する能力を継続的に向上させます。
この論文では、Math-V2 が IMO 2025 と CMO 2024 で金メダルレベルの結果を達成し、Putnam 2024 の拡張テスト計算でほぼフルスコア (118/120) を達成したと述べています。
DeepSeek は、やるべきことはまだたくさんありますが、これらの結果は、自己検証可能な数学的推論が、より強力な数学的 AI システムの開発に役立つ可能性のある実現可能な研究の方向性を示していると考えています。
今回のDeepSeekの行動について、海外の反応は「ついにクジラが戻ってきた」というものだった。一部のネチズンは、DeepSeekがGoogleのIMO金賞受賞モデルDeepThinkを10パーセントポイント上回ったが、これは予測の範囲内ではなかったと嘆いた。 「彼らがプログラミング モデルを発表したときに何が起こるか想像してみてください。きっと彼らにはプログラミング モデルがあるでしょう。」
現在、業界の主要メーカーのモデルが再び反復されています。 11 月に OpenAI は最初に GPT-5.1 をリリースし、その数日後に xAI は Grok 4.1 をリリースしました。つい先週、Google は Gemini 3 シリーズをリリースし、AI 界に爆発をもたらしました。 「今度はDeepSeekが主導権を握る番です。」しかし、やはり外部からの注目を集めているのは、DeepSeekのフラッグシップモデルがいつアップデートされるのかということだ。業界は“クジラ”の次の一手を期待している。