4月30日，DeepSeek推出数学定理证明专用模型DeepSeek-Prover-V2，参数规模达671B，miniF2F测试通过率达88.9%，显著优于前代V1.5及月之暗面的Kimina-Prover（通过率80.7%）。DeepSeek-Prover-V2基于强化学习和子目标分解技术，延续其模型矩阵同步进化策略。此前，梁文锋与杨植麟曾在2月论文中“撞车”，双方均聚焦Transformer架构的注意力机制。当前，DeepSeek面临阿里巴巴通义千问Qwen3（参数量1/3，性能超越R1）和百度文心4.5 Turbo的竞争压力；而月之暗面的Kimi则需应对腾讯元宝的用户增长冲击，后者一季度投流费用达14亿元。DeepSeek正加速研发R2和V4版本，但市场对其依赖华为昇腾芯片存疑。业内呼吁中国大模型产业需多元竞争，而非一家独大。

近日，深度学习模型DeepSeek-Prover-V2发布，包含7B和671B参数两种版本。该模型通过递归强化学习提升数学推理能力，在多项基准测试中表现出色。671B版本在MiniF2F-test上达到88.9%的通过率，显著优于现有开源模型。论文指出，模型通过冷启动数据合成及强化学习技术，将非形式化推理与形式化证明结合，实现高效数学证明。此外，7B小模型在特定任务中表现优异，解决了一些671B未完成的问题。DeepSeek-Prover-V2已在Hugging Face和GitHub开源，未来目标是攻克IMO级别难题。

DeepSeek放大招！新模型DeepSeek-Prover-V2专注于数学定理证明，刷新多项高难度基准测试记录。在普特南测试中，该模型成功解答49道题，远超目前排名第一的Kimina-Prover（仅解出10题）。而未优化的DeepSeek-R1仅解出1题，令人期待R2的表现。 论文中特别提到“通...

4月30日，深度求索（DeepSeek）在Hugging Face上发布DeepSeek-Prover-V2-671B新模型。该模型专注于形式化数学推理，基于DeepSeek-V3-0324，采用递归定理证明管道生成初始数据。DeepSeek推出671B参数的DeepSeek-Prover-V2-671B和7B参数的DeepSeek-Prover-V2-7B两款模型，以及ProverBench数据集。团队通过分解复杂定理为子目标，并利用7B模型处理子目标证明，结合DeepSeek-V3的思维链生成强化学习数据。最终，671B版本在MiniF2F-test数据集上达到88.9%通过率，在PutnamBench数据集中解决问题49个。ProverBench数据集包含325个数学问题，覆盖高中竞赛及本科数学领域，推动AI数学推理能力的评估与应用。

DeepSeek开源新模型，数学推理能力大提升 五一假期前，DeepSeek发布惊喜——DeepSeek-Prover-V2在Hugging Face上线，同步提供模型卡与示例代码。该版本包括两个模型：DeepSeek-Prover-V2-7B（基于V1.5，支持32K上下文输入）和DeepSe...

今日，《科创板日报》报道，人工智能公司DeepSeek在AI开源社区Hugging Face发布了全新模型DeepSeek-Prover-V2-671B。该模型参数量高达6710亿，是Prover-V1.5的升级版，采用更高效的safetensors文件格式并支持多计算精度，便于快速训练与部署。其架构基于DeepSeek-V3，运用MoE混合专家模式，含61层Transformer层及7168维隐藏层，支持超长上下文，最大位置嵌入达16.38万，可高效处理复杂数学证明任务。此外，模型通过FP8量化技术优化推理效率，减小模型体积。此模型的发布标志着深度学习领域的重要进展，值得关注。

4月30日，AI模型DeepSeek-Prover-V2-671B在Hugging Face开源发布。该模型由DeepSeek推出，参数量达6710亿，据推测是Prover-V1.5的升级版本。它采用更高效的safetensors文件格式，并支持BF16、FP8、F32等多种计算精度，有助于提升训练和部署效率。目前，DeepSeek尚未公开其具体性能数据。开源地址：