谷歌Deep Think八語奧賽屠榜！自主攻克4大未解難題，科研壁壘崩塌

新智元報道

編輯：元宇

【新智元導讀】谷歌Deep Think橫掃亞歐多語種競賽，AI科研工具的語言壁壘正在被拆掉，數學與科學發現進入AI驅動新時代。

「Deep Think」在所有競賽中都擊敗/媲美競爭對手」！

剛剛，Google DeepMind高級研究員Conglong Li在X平臺連發12條帖子，甩出了一張前所未見的成績單。

一個AI，同一個大腦，八張不同語言的試卷，全部高分交卷。

在任何一個模型身上，這樣的成績實屬罕見。

從IMO金牌到區域賽全覆蓋

這次Deep Think拿下多個榜單高分，并非突然的單點爆發，而是一條已經持續了近一年的能力演進曲線。

首先登頂最硬核的推理賽場。

2025年7月，Gemini Deep Think首次在國際數學奧林匹克（IMO）達到金牌標準，42分拿下35分。同期在ICPC世界決賽也取得類似高水平表現。

這兩個成績，DeepMind官方博客已經正式公布。

Google DeepMind隨后把這兩項成績都寫進了官方博客，作為Deep Think邁過數學與編程「世界級競賽門檻」的標志。

接著，Deep Think開始從「世界冠軍級單項突破」，走向「跨語言、跨學科、跨場景的系統驗證」。

2026年2月，Google連發三篇博客。

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，一篇來自DeepMind科學發現團隊，直接把Deep Think定位成「人類智力倍增器」。

升級后的Deep Think交出了一串硬指標：

Humanity's Last Exam拿下48.4%（無工具輔助），ARC-AGI-2達到84.6%（ARC Prize基金會官方驗證），Codeforces競賽編程Elo評分3455，2025國際物理奧賽和化學奧賽筆試部分達到金牌水平。

這條路線非常清楚：先用IMO、ICPC這樣的世界級競賽，證明它的強大推理能力，然后再用多語種、區域賽和跨學科奧賽成績，證明它的跨語言、跨領域穩定遷移的通用深度推理能力。

Gemini Deep Think從IMO金牌到PhD級科研加速的能力演進

8語言成績單逐項細看

現在，把這張成績單真正攤開來看。

日語最亮眼。

2025年第35回日本數學奧賽本選（JMO Finals），滿分。

ICPC亞洲日本初賽，滿分。

其中，JMO本選這項成績甚至超過了當屆最高得分對應的80%水平，達到官方所說的「金獎相當」標準。

法語同樣滿分，100%。

中文就有意思了。

第41屆中國數學奧林匹克（CMO），Deep Think拿到86.3%，相當出色。但中國信息學奧賽（NOI）只有63.3%。

86.3%和63.3%之間的落差，畫出了AI推理能力的真實邊界。

在數學競賽里，模型面對的是抽象推導、證明構造和多步演繹，這恰好是Deep Think最擅長的能力帶。

但到了信息學競賽，問題就不只是「想明白」，還包括把邏輯翻譯成可執行代碼、控制邊界條件、兼顧復雜度約束，并且在實現層面避免失誤。

前者更接近純推理，后者則要求「推理+算法設計+工程化實現」同時過關。

其它語種，韓語、印地語、越南語、俄語、葡萄牙語對應的競賽結果里，Deep Think 也都實現了擊敗對手或至少持平。

如果把日語、法語、中文再合起來看，這次最不尋常的一點其實不是某一門單科刷到滿分，而是同一個模型、同一種Deep Think推理系統，在多種語言的競賽試卷上，都交出了第一梯隊的成績。

這份成績單可靠嗎？

但這里有一個關鍵的缺失：

Conglong Li并沒有列出競品的具體對比數據：所有成績，全部來自Google內部評測。沒有第三方獨立復現，沒有競賽官方認證，評測方法完全沒有公開。

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

這些直接影響成績含金量的細節，也都沒提。

還有一點容易被忽略：這些考試全部是各國區域選拔賽，不是國際決賽。

區域賽的題目難度和國際決賽之間，隔著一個量級。

研究員明確說了，這些成績「將被納入模型卡」，截至發稿，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、尚未交給教務處蓋章的成績單。

多語言科研公平性

被忽視的真正戰場

為什么Google要專門花精力做8種語言的區域賽評測？

當前AI推理能力的評測，幾乎全部基于英語。

MATH、GSM8K、HumanEval、ARC-AGI……這些都是英語。

全世界的數學家、物理學家、工程師，只要母語不是英語，在使用AI科研工具時都要先過一道語言關。

Google選的這8種語言不是隨機的。

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

加在一起，這是全球科研產出的大半壁江山。

DeepMind在官方博客里把Deep Think定位為「人類智力倍增器」，說它能「處理知識檢索和嚴格驗證，讓科學家專注于概念深度和創造性方向」。

結合這次的多語言成績，這句話的潛臺詞不難理解：這個倍增器，不僅限英語的科學家用。

更值得注意的是Deep Think在科研落地上已經走了多遠。

DeepMind公布了一個叫Aletheia的數學研究智能體，基于Deep Think驅動，能自主生成、驗證、修訂研究級數學問題的解法。

Aletheia由Deep Think驅動，能夠對研究級數學問題進行迭代式生成、驗證與修正

Aletheia已經參與產出了多篇研究論文，其中一篇完全由AI自主完成，計算了算術幾何中的特定結構常數。

另外，在700個開放數學問題的半自主評估中，它還獨立解決了4個此前未解的問題。

Gemini Deep Think模式在計算機科學、物理學、經濟學等領域也展現出巨大潛力。

在計算機科學領域，Deep Think幫助推翻了一個懸而未決十年的猜想，在物理學領域找到了宇宙弦引力輻射的新型解析解，在經濟學領域擴展了一個拍賣理論定理。

AI推理流程的示意圖，展示了在網絡層進行的大規模解空間探索如何被匯聚為結構化推理，并通過自動化與人工驗證加以確認。

通過與專家合作解決18個研究難題，Gemini Deep Think的高級版本幫助突破了算法、機器學習與組合優化、信息論以及經濟學領域長期存在的瓶頸。

這已經遠遠超出了「做競賽題」的范疇。

當競品還在卷英文benchmark排行榜的時候，Google已經在「AI科研加速器」領域找到了新戰場。

這件事請最重要的東西其實不是分數，它背后真正的信號是：AI科研工具的語言壁壘正在被當作一個工程問題來解決。

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

這一次，Google已經把牌攤在了桌上。

至于競爭對手誰會跟牌，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/