谷歌Deep Think八语奥赛屠榜，自主攻克4大未解难题，科研壁垒崩塌

「Deep Think」在所有竞赛中都击败/媲美竞争对手」！

刚刚，Google DeepMind高级研究员Conglong Li在X平台连发12条帖子，甩出了一张前所未见的成绩单。

一个AI，同一个大脑，八张不同语言的试卷，全部高分交卷。

在任何一个模型身上，这样的成绩实属罕见。

从IMO金牌到区域赛全覆盖

这次Deep Think拿下多个榜单高分，并非突然的单点爆发，而是一条已经持续了近一年的能力演进曲线。

首先登顶最硬核的推理赛场。

2025年7月，Gemini Deep Think首次在国际数学奥林匹克（IMO）达到金牌标准，42分拿下35分。同期在ICPC世界决赛也取得类似高水平表现。

这两个成绩，DeepMind官方博客已经正式公布。

Google DeepMind随后把这两项成绩都写进了官方博客，作为Deep Think迈过数学与编程「世界级竞赛门槛」的标志。

接着，Deep Think开始从「世界冠军级单项突破」，走向「跨语言、跨学科、跨场景的系统验证」。

2026年2月，Google连发三篇博客。

一篇介绍Gemini 3.1 Pro模型本体，一篇介绍Deep Think专用推理模式的重大升级，一篇来自DeepMind科学发现团队，直接把Deep Think定位成「人类智力倍增器」。

升级后的Deep Think交出了一串硬指标：

Humanity’s Last Exam拿下48.4%（无工具辅助），ARC-AGI-2达到84.6%（ARC Prize基金会官方验证），Codeforces竞赛编程Elo评分3455，2025国际物理奥赛和化学奥赛笔试部分达到金牌水平。

这条路线非常清楚：先用IMO、ICPC这样的世界级竞赛，证明它的强大推理能力，然后再用多语种、区域赛和跨学科奥赛成绩，证明它的跨语言、跨领域稳定迁移的通用深度推理能力。

Gemini Deep Think从IMO金牌到PhD级科研加速的能力演进

8语言成绩单逐项细看

现在，把这张成绩单真正摊开来看。

日语最亮眼。

2025年第35回日本数学奥赛本选（JMO Finals），满分。

ICPC亚洲日本初赛，满分。

其中，JMO本选这项成绩甚至超过了当届最高得分对应的80%水平，达到官方所说的「金奖相当」标准。

法语同样满分，100%。

中文就有意思了。

第41届中国数学奥林匹克（CMO），Deep Think拿到86.3%，相当出色。但中国信息学奥赛（NOI）只有63.3%。

86.3%和63.3%之间的落差，画出了AI推理能力的真实边界。

在数学竞赛里，模型面对的是抽象推导、证明构造和多步演绎，这恰好是Deep Think最擅长的能力带。

但到了信息学竞赛，问题就不只是「想明白」，还包括把逻辑翻译成可执行代码、控制边界条件、兼顾复杂度约束，并且在实现层面避免失误。

前者更接近纯推理，后者则要求「推理+算法设计+工程化实现」同时过关。

其它语种，韩语、印地语、越南语、俄语、葡萄牙语对应的竞赛结果里，Deep Think 也都实现了击败对手或至少持平。

如果把日语、法语、中文再合起来看，这次最不寻常的一点其实不是某一门单科刷到满分，而是同一个模型、同一种Deep Think推理系统，在多种语言的竞赛试卷上，都交出了第一梯队的成绩。

这份成绩单可靠吗？

但这里有一个关键的缺失：

Conglong Li并没有列出竞品的具体对比数据：所有成绩，全部来自Google内部评测。没有第三方独立复现，没有竞赛官方认证，评测方法完全没有公开。

每道题是做一次还是做很多次取最优？推理时用了多少算力？有没有人工提示工程介入？

这些直接影响成绩含金量的细节，也都没提。

还有一点容易被忽略：这些考试全部是各国区域选拔赛，不是国际决赛。

区域赛的题目难度和国际决赛之间，隔着一个量级。

研究员明确说了，这些成绩「将被纳入模型卡」，截至发稿，模型卡尚未正式更新。

所以，目前这仍然好像是一张由考生自己打分、自己公布、尚未交给教务处盖章的成绩单。

多语言科研公平性，被忽视的真正战场

为什么Google要专门花精力做8种语言的区域赛评测？

当前AI推理能力的评测，几乎全部基于英语。

MATH、GSM8K、HumanEval、ARC-AGI……这些都是英语。

全世界的数学家、物理学家、工程师，只要母语不是英语，在使用AI科研工具时都要先过一道语言关。

Google选的这8种语言不是随机的。

日语、韩语、中文覆盖东亚科研重镇，印地语、越南语覆盖新兴市场，法语、俄语、葡萄牙语覆盖欧洲和南美。

加在一起，这是全球科研产出的大半壁江山。

DeepMind在官方博客里把Deep Think定位为「人类智力倍增器」，说它能「处理知识检索和严格验证，让科学家专注于概念深度和创造性方向」。

结合这次的多语言成绩，这句话的潜台词不难理解：这个倍增器，不仅限英语的科学家用。

更值得注意的是Deep Think在科研落地上已经走了多远。

DeepMind公布了一个叫Aletheia的数学研究智能体，基于Deep Think驱动，能自主生成、验证、修订研究级数学问题的解法。

Aletheia由Deep Think驱动，能够对研究级数学问题进行迭代式生成、验证与修正

Aletheia已经参与产出了多篇研究论文，其中一篇完全由AI自主完成，计算了算术几何中的特定结构常数。

另外，在700个开放数学问题的半自主评估中，它还独立解决了4个此前未解的问题。

Gemini Deep Think模式在计算机科学、物理学、经济学等领域也展现出巨大潜力。

在计算机科学领域，Deep Think帮助推翻了一个悬而未决十年的猜想，在物理学领域找到了宇宙弦引力辐射的新型解析解，在经济学领域扩展了一个拍卖理论定理。

AI推理流程的示意图，展示了在网络层进行的大规模解空间探索如何被汇聚为结构化推理，并通过自动化与人工验证加以确认。

通过与专家合作解决18个研究难题，Gemini Deep Think的高级版本帮助突破了算法、机器学习与组合优化、信息论以及经济学领域长期存在的瓶颈。

这已经远远超出了「做竞赛题」的范畴。

当竞品还在卷英文benchmark排行榜的时候，Google已经在「AI科研加速器」领域找到了新战场。

这件事请最重要的东西其实不是分数，它背后真正的信号是：AI科研工具的语言壁垒正在被当作一个工程问题来解决。

如果这条路走通了，全世界用日语、韩语、中文、印地语做研究的科学家，将第一次和英语母语者站在同一条起跑线上。

这一次，Google已经把牌摊在了桌上。

至于竞争对手谁会跟牌，相信我们很快也将看到。

参考资料：

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/ 

本文来自微信公众号“新智元”，作者：新智元