新智元報(bào)道

編輯：元宇

【新智元導(dǎo)讀】谷歌Deep Think橫掃亞歐多語(yǔ)種競(jìng)賽，AI科研工具的語(yǔ)言壁壘正在被拆掉，數(shù)學(xué)與科學(xué)發(fā)現(xiàn)進(jìn)入AI驅(qū)動(dòng)新時(shí)代。

「Deep Think」在所有競(jìng)賽中都擊敗/媲美競(jìng)爭(zhēng)對(duì)手」！

剛剛，Google DeepMind高級(jí)研究員Conglong Li在X平臺(tái)連發(fā)12條帖子，甩出了一張前所未見(jiàn)的成績(jī)單。

一個(gè)AI，同一個(gè)大腦，八張不同語(yǔ)言的試卷，全部高分交卷。

在任何一個(gè)模型身上，這樣的成績(jī)實(shí)屬罕見(jiàn)。

從IMO金牌到區(qū)域賽全覆蓋

這次Deep Think拿下多個(gè)榜單高分，并非突然的單點(diǎn)爆發(fā)，而是一條已經(jīng)持續(xù)了近一年的能力演進(jìn)曲線。

首先登頂最硬核的推理賽場(chǎng)。

2025年7月，Gemini Deep Think首次在國(guó)際數(shù)學(xué)奧林匹克（IMO）達(dá)到金牌標(biāo)準(zhǔn)，42分拿下35分。同期在ICPC世界決賽也取得類似高水平表現(xiàn)。

這兩個(gè)成績(jī)，DeepMind官方博客已經(jīng)正式公布。

Google DeepMind隨后把這兩項(xiàng)成績(jī)都寫進(jìn)了官方博客，作為Deep Think邁過(guò)數(shù)學(xué)與編程「世界級(jí)競(jìng)賽門檻」的標(biāo)志。

接著，Deep Think開(kāi)始從「世界冠軍級(jí)單項(xiàng)突破」，走向「跨語(yǔ)言、跨學(xué)科、跨場(chǎng)景的系統(tǒng)驗(yàn)證」。

2026年2月，Google連發(fā)三篇博客。

一篇介紹Gemini 3.1 Pro模型本體，一篇介紹Deep Think專用推理模式的重大升級(jí)，一篇來(lái)自DeepMind科學(xué)發(fā)現(xiàn)團(tuán)隊(duì)，直接把Deep Think定位成「人類智力倍增器」。

升級(jí)后的Deep Think交出了一串硬指標(biāo)：

Humanity's Last Exam拿下48.4%（無(wú)工具輔助），ARC-AGI-2達(dá)到84.6%（ARC Prize基金會(huì)官方驗(yàn)證），Codeforces競(jìng)賽編程Elo評(píng)分3455，2025國(guó)際物理奧賽和化學(xué)奧賽筆試部分達(dá)到金牌水平。

這條路線非常清楚：先用IMO、ICPC這樣的世界級(jí)競(jìng)賽，證明它的強(qiáng)大推理能力，然后再用多語(yǔ)種、區(qū)域賽和跨學(xué)科奧賽成績(jī)，證明它的跨語(yǔ)言、跨領(lǐng)域穩(wěn)定遷移的通用深度推理能力。

Gemini Deep Think從IMO金牌到PhD級(jí)科研加速的能力演進(jìn)

8語(yǔ)言成績(jī)單逐項(xiàng)細(xì)看

現(xiàn)在，把這張成績(jī)單真正攤開(kāi)來(lái)看。

日語(yǔ)最亮眼。

2025年第35回日本數(shù)學(xué)奧賽本選（JMO Finals），滿分。

ICPC亞洲日本初賽，滿分。

其中，JMO本選這項(xiàng)成績(jī)甚至超過(guò)了當(dāng)屆最高得分對(duì)應(yīng)的80%水平，達(dá)到官方所說(shuō)的「金獎(jiǎng)相當(dāng)」標(biāo)準(zhǔn)。

法語(yǔ)同樣滿分，100%。

中文就有意思了。

第41屆中國(guó)數(shù)學(xué)奧林匹克（CMO），Deep Think拿到86.3%，相當(dāng)出色。但中國(guó)信息學(xué)奧賽（NOI）只有63.3%。

86.3%和63.3%之間的落差，畫(huà)出了AI推理能力的真實(shí)邊界。

在數(shù)學(xué)競(jìng)賽里，模型面對(duì)的是抽象推導(dǎo)、證明構(gòu)造和多步演繹，這恰好是Deep Think最擅長(zhǎng)的能力帶。

但到了信息學(xué)競(jìng)賽，問(wèn)題就不只是「想明白」，還包括把邏輯翻譯成可執(zhí)行代碼、控制邊界條件、兼顧復(fù)雜度約束，并且在實(shí)現(xiàn)層面避免失誤。

前者更接近純推理，后者則要求「推理+算法設(shè)計(jì)+工程化實(shí)現(xiàn)」同時(shí)過(guò)關(guān)。

其它語(yǔ)種，韓語(yǔ)、印地語(yǔ)、越南語(yǔ)、俄語(yǔ)、葡萄牙語(yǔ)對(duì)應(yīng)的競(jìng)賽結(jié)果里，Deep Think 也都實(shí)現(xiàn)了擊敗對(duì)手或至少持平。

如果把日語(yǔ)、法語(yǔ)、中文再合起來(lái)看，這次最不尋常的一點(diǎn)其實(shí)不是某一門單科刷到滿分，而是同一個(gè)模型、同一種Deep Think推理系統(tǒng)，在多種語(yǔ)言的競(jìng)賽試卷上，都交出了第一梯隊(duì)的成績(jī)。

這份成績(jī)單可靠嗎？

但這里有一個(gè)關(guān)鍵的缺失：

Conglong Li并沒(méi)有列出競(jìng)品的具體對(duì)比數(shù)據(jù)：所有成績(jī)，全部來(lái)自Google內(nèi)部評(píng)測(cè)。沒(méi)有第三方獨(dú)立復(fù)現(xiàn)，沒(méi)有競(jìng)賽官方認(rèn)證，評(píng)測(cè)方法完全沒(méi)有公開(kāi)。

每道題是做一次還是做很多次取最優(yōu)？推理時(shí)用了多少算力？有沒(méi)有人工提示工程介入？

這些直接影響成績(jī)含金量的細(xì)節(jié)，也都沒(méi)提。

還有一點(diǎn)容易被忽略：這些考試全部是各國(guó)區(qū)域選拔賽，不是國(guó)際決賽。

區(qū)域賽的題目難度和國(guó)際決賽之間，隔著一個(gè)量級(jí)。

研究員明確說(shuō)了，這些成績(jī)「將被納入模型卡」，截至發(fā)稿，模型卡尚未正式更新。

所以，目前這仍然好像是一張由考生自己打分、自己公布、尚未交給教務(wù)處蓋章的成績(jī)單。

多語(yǔ)言科研公平性

被忽視的真正戰(zhàn)場(chǎng)

為什么Google要專門花精力做8種語(yǔ)言的區(qū)域賽評(píng)測(cè)？

當(dāng)前AI推理能力的評(píng)測(cè)，幾乎全部基于英語(yǔ)。

MATH、GSM8K、HumanEval、ARC-AGI……這些都是英語(yǔ)。

全世界的數(shù)學(xué)家、物理學(xué)家、工程師，只要母語(yǔ)不是英語(yǔ)，在使用AI科研工具時(shí)都要先過(guò)一道語(yǔ)言關(guān)。

Google選的這8種語(yǔ)言不是隨機(jī)的。

日語(yǔ)、韓語(yǔ)、中文覆蓋東亞科研重鎮(zhèn)，印地語(yǔ)、越南語(yǔ)覆蓋新興市場(chǎng)，法語(yǔ)、俄語(yǔ)、葡萄牙語(yǔ)覆蓋歐洲和南美。

加在一起，這是全球科研產(chǎn)出的大半壁江山。

DeepMind在官方博客里把Deep Think定位為「人類智力倍增器」，說(shuō)它能「處理知識(shí)檢索和嚴(yán)格驗(yàn)證，讓科學(xué)家專注于概念深度和創(chuàng)造性方向」。

結(jié)合這次的多語(yǔ)言成績(jī)，這句話的潛臺(tái)詞不難理解：這個(gè)倍增器，不僅限英語(yǔ)的科學(xué)家用。

更值得注意的是Deep Think在科研落地上已經(jīng)走了多遠(yuǎn)。

DeepMind公布了一個(gè)叫Aletheia的數(shù)學(xué)研究智能體，基于Deep Think驅(qū)動(dòng)，能自主生成、驗(yàn)證、修訂研究級(jí)數(shù)學(xué)問(wèn)題的解法。

Aletheia由Deep Think驅(qū)動(dòng)，能夠?qū)ρ芯考?jí)數(shù)學(xué)問(wèn)題進(jìn)行迭代式生成、驗(yàn)證與修正

Aletheia已經(jīng)參與產(chǎn)出了多篇研究論文，其中一篇完全由AI自主完成，計(jì)算了算術(shù)幾何中的特定結(jié)構(gòu)常數(shù)。

另外，在700個(gè)開(kāi)放數(shù)學(xué)問(wèn)題的半自主評(píng)估中，它還獨(dú)立解決了4個(gè)此前未解的問(wèn)題。

Gemini Deep Think模式在計(jì)算機(jī)科學(xué)、物理學(xué)、經(jīng)濟(jì)學(xué)等領(lǐng)域也展現(xiàn)出巨大潛力。

在計(jì)算機(jī)科學(xué)領(lǐng)域，Deep Think幫助推翻了一個(gè)懸而未決十年的猜想，在物理學(xué)領(lǐng)域找到了宇宙弦引力輻射的新型解析解，在經(jīng)濟(jì)學(xué)領(lǐng)域擴(kuò)展了一個(gè)拍賣理論定理。

AI推理流程的示意圖，展示了在網(wǎng)絡(luò)層進(jìn)行的大規(guī)模解空間探索如何被匯聚為結(jié)構(gòu)化推理，并通過(guò)自動(dòng)化與人工驗(yàn)證加以確認(rèn)。

通過(guò)與專家合作解決18個(gè)研究難題，Gemini Deep Think的高級(jí)版本幫助突破了算法、機(jī)器學(xué)習(xí)與組合優(yōu)化、信息論以及經(jīng)濟(jì)學(xué)領(lǐng)域長(zhǎng)期存在的瓶頸。

這已經(jīng)遠(yuǎn)遠(yuǎn)超出了「做競(jìng)賽題」的范疇。

當(dāng)競(jìng)品還在卷英文benchmark排行榜的時(shí)候，Google已經(jīng)在「AI科研加速器」領(lǐng)域找到了新戰(zhàn)場(chǎng)。

這件事請(qǐng)最重要的東西其實(shí)不是分?jǐn)?shù)，它背后真正的信號(hào)是：AI科研工具的語(yǔ)言壁壘正在被當(dāng)作一個(gè)工程問(wèn)題來(lái)解決。

如果這條路走通了，全世界用日語(yǔ)、韓語(yǔ)、中文、印地語(yǔ)做研究的科學(xué)家，將第一次和英語(yǔ)母語(yǔ)者站在同一條起跑線上。

這一次，Google已經(jīng)把牌攤在了桌上。

至于競(jìng)爭(zhēng)對(duì)手誰(shuí)會(huì)跟牌，相信我們很快也將看到。

參考資料：

https://blog.google/intl/ja-jp/company-news/technology/gemini-31-pro-gemini-31-pro-deep-think/%20

https://deepmind.google/blog/accelerating-mathematical-and-scientific-discovery-with-gemini-deep-think/%20

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-1-pro/%20

https://blog.google/innovation-and-ai/models-and-research/gemini-models/gemini-3-deep-think/