Gemini模型在IMC竞赛中的表现 - 在大学生国际数学竞赛（IMC）测试中，Gemini的三种模式（Gemini Deep Think IMO、Gemini-2.5-Pro Agent、Gemini-2.5-Pro Best-of-32）均获得极高分数，远超前8%的金牌门槛 [1][4] - Gemini Deep Think和Gemini Agent成功解决了所有问题，仅出现少量小错误（如中间步骤论证不完整或已知定理引用不正确） [4] - Gemini Best-of-32表现优于IMO 2025，仅在一道题目（P5）上犯重大错误，可能因IMC知识密集度更高 [5] 模型性能量化数据 - Gemini-2.5-Pro Agent准确率94.50%，成本$94.64，在多数题目中得分100%，仅一道题得90% [2][6] - Gemini Deep Think IMO准确率93.00%，成本数据未提供，所有题目得分均为100% [2][6] - Gemini-2.5-Pro Best-of-32准确率88.00%，成本$114.52，多数题目得分100%，但两道题仅得70% [2][6] 模型能力定性评估 - 综合证明质量和清晰度排名：Gemini Deep Think > Gemini Agent > Gemini Best-of-32 [7] - Gemini Deep Think证明语言简练、结构清晰、步骤合理，展现原创思维（如第7题简洁证明、第9题比官方解更简洁的思路） [21][22] - Gemini Agent证明逻辑性较好但过于冗长，可能因自验证反馈机制导致过度解释 [21] - Gemini Best-of-32证明技术正确但表达混乱，缺乏逻辑组织 [21] 竞赛背景与测试方法 - IMC由英国伦敦大学学院主办，覆盖代数、分析、几何与组合数学领域，为期两天，每天5道题（每题10分） [8][10] - 测试采用匿名评分，两名评委独立制定标准，满分10分，避免数据污染 [16] - 测试规模较小，每个模型在每个问题上仅评估一次，且仅一名裁判 [7] AI在数学竞赛中的整体进展 - AI模型（如Gemini）已具备媲美人类优等大学生的数学能力，能识别高级数学概念（如Landau函数）并调用已知性质构建证明 [4][25] - 在信息学竞赛中，AI同样表现突出（如IOI 2025中ryanbAI获第七名） [40] - 网友测试显示其他模型（如o3）可在10分钟内完成全部IMC题目，但答案可能存在瑕疵 [28][34] - AI展现计算优势（更少错误、更强数据处理能力），甚至提供新证明思路（如Deep Think使用Shemesh定理解决线性代数问题） [37][43]

报告行业投资评级 - 推荐（维持），预期未来 3 - 6 个月内该行业指数涨幅超过基准指数 5%以上 [4][20] 报告的核心观点 - 4 月 30 日，DeepSeek 发布 DeepSeek - Prover - V2 - 671B 新模型、DeepSeek - Prover - V2 - 7B 增强模型及 DeepSeek - ProverBench 数据集并公布论文信息 [2] - 新模型专注数学定理证明，采用特定架构、参数和技术，实现形式化与非形式化数学证明融合，创新推理训练流程，定理证明达业内最佳 [7] - 国内 AI 数学推理达新高度，建议关注国产算力、AI 应用与 AI 安全等领域投资机遇，并列出多领域建议关注公司 [7] 根据相关目录分别进行总结 行业基本数据 - 股票家数 336 只，占比 0.04%；总市值 42,657.40 亿元，占比 4.41%；流通市值 36,398.85 亿元，占比 4.74% [4] 相对指数表现 - 1 个月绝对表现 - 5.3%，相对表现 - 1.6%；6 个月绝对表现 2.3%，相对表现 5.4%；12 个月绝对表现 27.0%，相对表现 22.4% [5] 新模型特点 - DeepSeek - Prover - V2 - 671B 采用和 DeepSeek V3 - 0324 相同架构，参数 6710 亿，用 MoE 模式，有 61 层 Transformer 层等，支持超长上下文及多种计算精度，用 safetensors 格式优化训练部署，通过 FP8 量化技术提高推理效率 [7] - 自 2024 年 3 月以来，DeepSeek - Prover 系列已推出 3 款模型，DeepSeek - Prover - V2 进一步提出“子目标分解的强化学习”，基础模型升级到 DeepSeek - V3 [7] - 采用“递归定理证明流程”和两阶段训练策略，减轻计算负担，构建最终形式证明 [7] - DeepSeek - Prover - V2 - 671B 在神经定理证明领域创新高，7B 模型解决部分大模型未攻克问题，形式与非形式数学能力差距缩小 [7] 投资建议 - 建议关注国产算力、AI 应用与 AI 安全等领域投资机遇，涉及办公、金融、大模型等 18 个领域多家公司 [7] 受益标的梳理 - 报告列出海光信息、寒武纪 - U 等多家公司 2024A、2025E 的营收、归母净利润、PE、PS 等数据 [8][9]

DeepSeek-Prover-V2-671B发布 - 公司于4月30日正式推出DeepSeek-Prover-V2-671B模型，标志着AI数学推理能力进入新阶段 [2][4] - 该模型基于6710亿参数混合专家（MoE）架构，专为Lean 4证明辅助框架优化 [4] 技术架构特性 - 采用动态参数激活机制，单次推理仅调用约370亿参数，平衡性能与计算效率 [4][6] - 上下文窗口约128k tokens，支持高阶数学证明中的复杂长逻辑链处理 [6][7] - 可能延续多头潜在注意力机制（MLA），显著降低KV缓存需求并提升吞吐量 [7] 核心突破价值 - 实现形式化数学的"GPT-4级"突破，处理复杂数学证明能力显著提升 [7] - MoE架构相比稠密模型大幅降低内存需求并提高运算速度 [7] - 开放商用许可，预计在Hugging Face开源权重，支持学术与工业应用 [7] 应用场景拓展 - 形式化验证：应用于密码学安全证明、芯片设计验证等自动化流程 [7] - 数学研究加速：辅助定理形式化、新猜想探索及奥赛级难题证明 [7] - 智能教育工具：构建可验证步骤的交互式数学教学系统 [7] - 关键系统安全：通过Lean集成验证核心代码逻辑的正确性 [7] 基础训练数据 - 基础预训练可能超过14.8万亿tokens（基于V3基础），提供广泛知识储备 [6]