谷歌IMO金牌模型可以用了！推理性能秒了o3、Grok 4

金磊 发自 凹非寺
量子位 | 公众号 QbitAI

谷歌拿下IMO（国际数学奥林匹克竞赛）金牌的模型——Gemini 2.5 Deep Think，现在可以用起来了。

根据谷歌DeepMind的最新消息，这个模型已经在Gemini App中推出。

并且这个发布的版本，跟拿下IMO金牌的版本还有略微的区别。

之前的模型需要好几个小时才能解决复杂的数学问题，但App中发布的版本，速度会更快，实用性也会更强。

但相对的，实力定然不如之前的“完全体”，不过同样是拿IMO’25的试题实验，可以达到铜牌的水平。

DeepMind在发布Gemini 2.5 DeepThink之际，还拉来了数学家Michel van Garrel来站台：

• 当我问它一个猜想，我大概有三个思路，但它似乎在考虑20甚至100个

不过这个模型只对Ultra的订阅用户开放，每月订阅费为249.99美元，折合人民币约1803元。

推理性能超越o3、Grok 4

除了“发布”的动作之外，DeepMind这次还秀了一波推理性能的肌肉，对标的选手是OpenAI的o3和马斯克的Grok 4。

主要考量的能力聚焦在了编码、科学、知识和推理能力上。

结果显示，在衡量代码性能的LiveCodeBench V6测试中，以及在衡量不同领域（包括科学和数学）专业知识的Humanity’s Last Exam测试中，与不使用工具的其他模型相比，Gemini 2.5 Deep Think均取得最好的成绩。

整体来看，Gemini 2.5 Deep Think功能具备以下优势：

• 迭代式开发与设计：DeepMind团队对Deep Think在需要逐步构建复杂事物的任务中的表现印象深刻。例如，Deep Think能够提升网页开发任务的美观性和功能性。

• 科学与数学领域的发现：由于能够通过极其复杂的难题进行推理，深度思考能够成为研究人员的强大工具。它能够协助制定和探索数学猜想，或者对复杂的科学文献进行推理分析，从而有可能加快发现的过程。
• 算法开发与代码编写：Deep Think在处理那些需要精心编写代码、对问题表述、权衡利弊以及时间复杂度进行仔细考量的难题方面表现尤为出色。

至于其背后的原理，DeepMind总结了一句话：

• 扩展Gemini的并行“思考时间”。

具体而言，正如人类在解决复杂问题时，会花时间从不同角度探索、权衡潜在的解决方案并完善最终答案一样，Deep Think通过使用并行思维技术，拓展了思维能力的边界。

这种方法让Gemini能够一次性生成众多想法并同时进行考量，甚至随着时间的推移修正或结合不同的想法，最终得出最佳答案。

此外，通过延长推理时间或“思考时间”，DeepMind为Gemini提供了更多时间去探索不同的假设，并为复杂问题找到创造性的解决方案。

DeepMind还开发了新颖的强化学习技术，旨在激励模型利用这些扩展的推理路径，从而使Deep Think随着时间的推移，成为一个更出色、更直观的问题解决者。

团队成员还表示，Gemini 2.5 Deep Think用来看论文：

• 它不只是简单地复述研究论文，而是能以我前所未见的方式，融合不同论文中的观点。

参考链接：
[1]https://blog.google/products/gemini/gemini-2-5-deep-think/
[2]https://x.com/SamuelAlbanie/status/1951322935198630356