En la noche del 27 de noviembre, DeepSeek abrió silenciosamente un nuevo modelo en Hugging Face: DeepSeek-Math-V2. Este es un modelo matemático y también es el primer modelo en la industria que alcanza el nivel de medalla de oro de la OMI (Olimpiada Internacional de Matemáticas) y es de código abierto.

En un documento técnico publicado simultáneamente, DeepSeek afirmó que parte del rendimiento de Math-V2 es mejor que el de Gemini DeepThink de Google y demostró el rendimiento del modelo en el punto de referencia IMO-ProofBench y en competiciones matemáticas recientes.


Específicamente, en el punto de referencia básico, DeepSeek-Math-V2 supera con creces a otros modelos, alcanzando una puntuación alta de casi el 99%, mientras que la puntuación Gemini Deep Think (IMO Gold) de Google, que ocupa el segundo lugar, es del 89%. Pero en el subconjunto Avanzado más difícil, Math-V2 obtuvo una puntuación del 61,9%, ligeramente peor que el 65,7% de Gemini Deep Think (IMO Gold).

En el artículo titulado "DeepSeek Math-V2: Hacia un razonamiento matemático autoverificable", DeepSeek señaló que los grandes modelos de lenguaje han logrado avances significativos en el razonamiento matemático. Se trata de un importante banco de pruebas para la inteligencia artificial y, si se avanza más, puede tener un impacto en la investigación científica.


Sin embargo, la IA actual tiene limitaciones en la investigación del razonamiento matemático: la respuesta final correcta se utiliza como recompensa, pero la respuesta correcta no garantiza un razonamiento correcto. Muchas tareas matemáticas, como la demostración de teoremas, requieren una derivación rigurosa paso a paso en lugar de respuestas numéricas, lo que hace que las recompensas por la respuesta final no sean aplicables.

Para superar los límites del razonamiento profundo, DeepSeek cree que es necesario verificar la amplitud y el rigor del razonamiento matemático. El equipo propone que la autovalidación es particularmente importante para escalar los cálculos del tiempo de prueba, especialmente para problemas abiertos sin soluciones conocidas.

El Math-V2 lanzado por DeepSeek esta vez ha pasado de estar orientado a resultados a estar orientado a procesos, demostrando poderosas capacidades de demostración de teoremas. Este modelo no se basa en una gran cantidad de datos sobre respuestas a preguntas matemáticas. En cambio, le enseña a la IA cómo revisar el proceso de prueba con el mismo rigor que un matemático, mejorando así continuamente su capacidad para resolver preguntas difíciles de prueba matemática sin intervención humana.

El documento menciona que Math-V2 logró resultados de nivel de medalla de oro en IMO 2025 y CMO 2024, y logró puntuaciones cercanas a la máxima (118/120) a través de cálculos de pruebas extendidas en Putnam 2024.

DeepSeek cree que, aunque todavía queda mucho trabajo por hacer, estos resultados muestran que el razonamiento matemático autoverificable es una dirección de investigación viable que puede ayudar a desarrollar sistemas matemáticos de IA más potentes.

Con respecto a las acciones de DeepSeek esta vez, la reacción en el extranjero fue que “las ballenas finalmente han regresado”. Algunos internautas lamentaron que DeepSeek derrotara al modelo DeepThink, ganador del premio IMO Gold de Google, por 10 puntos porcentuales, lo que no estaba dentro del rango de predicción. "Imagínense lo que pasará cuando anuncien el modelo de programación. Apuesto a que tienen un modelo de programación".

En la actualidad se han vuelto a iterar los modelos de los principales fabricantes del sector. En noviembre, OpenAI lanzó por primera vez GPT-5.1 y, unos días después, xAI lanzó Grok 4.1. La semana pasada, Google lanzó la serie Gemini 3, que detonó el círculo de la IA. "Es el turno de DeepSeek de tomar la iniciativa". Sin embargo, lo que atrae más la atención del mundo exterior es todavía cuándo se actualizará el modelo insignia de DeepSeek. La industria espera con ansias el próximo movimiento de la “ballena”.