如何看待DeepSeek发布的新模型DeepSeek-Math-V2？

技术的部分不是很专业就不多说了。

做IMO金牌这部分倒是挺值得注意的。

我们的方法为每个问题维护一个候选证明池，初始时包含64个证明样本，每个样本对应64份验证分析。在每一轮迭代中，我们根据平均验证得分选出得分最高的64个证明，并为每个证明随机配对8份分析，优先选择那些指出问题（得分为0或0.5）的分析。每一对证明-分析组合用于生成一个改进后的证明，并更新候选池。该过程最多进行16轮迭代，或直到某个证明在全部64次验证中均通过，表明其正确性具有高置信度。所有实验均使用单一模型——我们的最终证明生成器——该模型同时负责证明生成与验证。

为了达到极致的性能，我们需要的不是一个简单的模型，而是让模型在Heavy模式下重复迭代，多路并行+自我验证+多轮迭代，用极大算力才能换来IMO金牌级别的表现。

在我看来，一方面证明了各种维持性能不掉点但是降本的研究具有极大价值（无论是稀疏化，混合注意力还是原生低精度），另一方面也证明了如果我们期待AI在生产、生活中发挥更大、更重要的价值（从能力上看是有机会的），算力的需求只会继续增长。

利好NV、AVGO、GOOG，以及A股的几家算力标的（很长线来看的话）。