Gemini Deep Think når guldnivå i matematik-OS – löser fem av sex problem

Gemini Deep Think når guldnivå i matematik-OS – löser fem av sex problem

Den 21 juli 2025 meddelade Google DeepMind att en avancerad version av Gemini med Deep Think hade nått guldmedaljnivå vid International Mathematical Olympiad, IMO. Systemet löste fem av tävlingens sex problem och fick 35 av 42 poäng efter bedömning enligt den officiella rättningsstandarden.

Marketplace sammanfattar resultatet i efterhand. Modellen arbetade inom samma tidsgräns som de mänskliga deltagarna och producerade lösningar i naturligt språk. Resultatet var ett viktigt steg från specialbyggda matematiksystem till en generell språkmodell som kunde skapa formella argument – men det betydde inte att AI:n automatiskt kunde ersätta matematiker eller lösa all forskning.

Resultatet i korthet

| Punkt | Uppgift |
|---|---|
| Datum för beskedet | 21 juli 2025 |
| Tävling | International Mathematical Olympiad 2025 |
| System | Avancerad Gemini-version med Deep Think |
| Lösta problem | Fem av sex |
| Poäng | 35 av 42 |
| Nivå | Guldmedaljstandard |
| Format | Naturliga språklösningar inom tävlingens tidsgräns |
| Bedömning | Granskad enligt IMO:s officiella standard av experter |

Vad är International Mathematical Olympiad?

IMO är en internationell tävling för gymnasieelever med sex mycket svåra problem inom områden som algebra, geometri, kombinatorik och talteori.

Tävlingen genomförs över två dagar. Deltagarna får tre problem per dag och behöver skriva fullständiga bevis, inte bara ett numeriskt svar.

Det gör IMO till ett relevant test för avancerat matematiskt resonemang. Ett system måste:

• förstå en ovanlig problemformulering
• hitta en strategi
• skapa mellanresultat
• undvika logiska luckor
• formulera ett verifierbart bevis

Problemen är konstruerade för att kräva kreativitet snarare än rutinmässig tillämpning av en standardmetod.

Fem fullständiga lösningar

Deep Think-systemet fick full poäng på fem av sex problem och noll på det återstående. Totalt blev det 35 poäng, vilket motsvarade guldmedaljgränsen för tävlingen.

Det är viktigt att resultatet inte kom från ett vanligt konsumentläge i Gemini-appen. Google använde en avancerad forskningsversion med förstärkt Deep Think-kapacitet och mer beräkning.

Systemet kunde pröva och kombinera flera möjliga resonemang innan det valde slutlösningen. Detta skiljer sig från en snabb chattmodell som behöver svara nästan omedelbart.

Naturligt språk i stället för formellt kodspråk

Tidigare matematiksystem som AlphaGeometry och AlphaProof använde specialiserade metoder och formella representationsspråk. De kunde vara mycket starka men krävde ibland att problemet först översattes till en maskinläsbar form.

Gemini Deep Think producerade lösningar direkt i naturligt språk. Det gjorde resultatet mer likt en mänsklig tävlingslösning och lättare för matematiker att läsa.

Naturligt språk har samtidigt en risk: en text kan låta rigorös trots att ett steg saknar bevis. Oberoende granskning var därför avgörande.

Hur bedömdes lösningarna?

Google DeepMind lämnade in lösningarna för expertbedömning enligt IMO:s officiella rättningskriterier. Varje problem kunde ge upp till sju poäng.

Rättningen tittade inte enbart på slutresultatet. Bedömarna behövde kontrollera:

1. om argumentet var logiskt korrekt
2. om alla fall hanterades
3. om slutsatsen följde av mellanleden
4. om viktiga påståenden motiverades
5. om lösningen faktiskt svarade på hela problemet

Detta är en starkare kontroll än en automatisk benchmark där systemets korta svar jämförs med ett facit.

Vad är Deep Think?

Deep Think var Googles benämning på ett läge där Gemini kunde använda mer beräkning och utforska flera lösningsvägar.

I stället för att följa det första plausibla resonemanget kunde systemet:

• generera flera idéer
• utveckla dem parallellt
• jämföra delresultat
• hitta motsägelser
• kombinera lovande strategier
• förbättra slutbeviset

Metoden liknar hur en mänsklig problemlösare provar skisser och förkastar svaga angreppssätt. Skillnaden är att AI-systemet kan genomföra många sökvägar med stor beräkningskapacitet.

Förstärkt inlärning på matematiska problem

Google beskrev hur modellen tränats med förstärkt inlärning för avancerat resonemang. Systemet fick återkoppling på matematiska lösningar och lärde sig att utveckla längre strategier.

Träningsmetoden kan förbättra:

• planering
• självkontroll
• val av lemma
• korrekt bevisstruktur
• uthållighet i svåra problem

Men träning mot matematiska utvärderare kan även göra modellen stark på specifika format utan att ge generell förståelse i alla domäner.

Skillnaden mot vanliga benchmark

Många AI-modeller testas på flervalsfrågor eller korta svar. IMO kräver en fullständig ny lösning under tidsbegränsning.

| Vanlig benchmark | IMO |
|---|---|
| Kan ha kort facitsvar | Kräver långt bevis |
| Ofta många frågor | Sex extremt svåra problem |
| Automatisk rättning | Expertbedömning |
| Kan likna träningsmaterial | Nya tävlingsproblem |
| Begränsad kreativitet | Kräver strategisk uppfinningsrikedom |

Det gör IMO-resultatet betydelsefullt, men en tävling är fortfarande en avgränsad miljö med tydliga mål och regler.

Vad resultatet inte bevisar

Guldnivå betyder inte att Gemini:

• är bättre än alla matematiker
• kan verifiera varje eget svar
• kan bedriva forskning utan människor
• förstår matematik på mänskligt sätt
• kan undervisa säkert i alla situationer
• alltid löser enklare problem korrekt

En modell kan nå mycket hög nivå på vissa problem och samtidigt göra oväntade fel på vardaglig algebra eller feltolka en fråga.

Matematikforskning

Deep Think kan bli värdefullt som forskningsassistent. Systemet kan:

• generera hypoteser
• söka efter motexempel
• föreslå lemma
• jämföra bevisstrategier
• skriva kod för experiment
• kontrollera algebraiska delsteg

Forskaren behöver fortfarande verifiera varje påstående och avgöra om idén är ny, relevant och korrekt.

Formella bevisassistenter kan komplettera språkmodellen. En möjlig framtida process är att Gemini skapar en naturlig lösning som sedan översätts och verifieras i ett formellt system.

Utbildning och elever

Ett system som klarar IMO-problem kan ge avancerad handledning, men det kan också göra det enkelt att lämna in en lösning utan egen förståelse.

En bra undervisningsanvändning är att modellen:

1. ger en ledtråd i taget
2. ställer kontrollfrågor
3. granskar elevens eget bevis
4. pekar ut en logisk lucka
5. visar alternativa strategier efter att eleven försökt

Att direkt producera hela beviset kan vara användbart för analys men sämre för lärande.

Tillgänglighet för vanliga användare

Den IMO-presterande versionen var en avancerad forskningsmodell och inte identisk med standardläget i Gemini.

Google sade att en variant av Deep Think skulle göras tillgänglig för särskilda användare och testare innan bredare utrullning. Produktversionen kunde ha andra beräkningsgränser och säkerhetskontroller än tävlingssystemet.

Användare bör därför inte anta att varje Gemini-konto automatiskt kunde återskapa IMO-resultatet.

Kostnaden för djupare reasoning

Parallell sökning och längre reasoning kräver mycket beräkning. Det påverkar:

• svarstid
• energianvändning
• pris
• tillgänglighet
• hur många frågor som kan köras samtidigt

För enkla uppgifter är ett Deep Think-läge ofta onödigt. Modellrouting bör avgöra när den extra beräkningen är motiverad.

Konkurrensen om matematisk AI

Samma period utvecklade OpenAI och andra laboratorier modeller med stark matematisk reasoning. Konkurrensen flyttade snabbt gränsen från skolmatematik till internationell olympiadnivå.

Det som särskilde Googles besked var kombinationen av en generell Gemini-modell, naturligt språk och officiell guldmedaljstandard.

För vetenskaplig trovärdighet är reproducerbarhet viktig. Oberoende forskare behöver kunna testa systemens faktiska kapacitet, inte bara läsa utvalda exempel.

Svenska elever och forskare

Svenska skolor och universitet kan använda avancerade modeller för:

• matematikhandledning
• bevisgranskning
• programmering
• forskningsidéer
• översättning mellan naturligt och formellt språk

Skolor behöver samtidigt tydliga regler om vad som räknas som tillåtet stöd. En tävlingslösning eller examination ska visa elevens egen förmåga.

Säkerhet och korrekthet

Matematik är ett område där resultat kan verifieras, men naturliga språkbevis innehåller fortfarande risk för dolda luckor.

Ett högriskområde är när matematiska modeller används i:

• kryptografi
• finansiella system
• säkerhetskritisk programvara
• ingenjörsberäkningar

Där måste resultat kontrolleras med formella metoder, oberoende kod och sakkunniga.

Vanliga frågor

När meddelade Google IMO-resultatet?

Google DeepMind publicerade beskedet den 21 juli 2025.

Hur många problem löste modellen?

Fem av sex problem fick full poäng.

Hur många poäng fick systemet?

35 av 42, vilket motsvarade guldmedaljstandard.

Användes en vanlig Gemini-app?

Nej. Det var en avancerad forskningsversion av Gemini med Deep Think.

Skrev modellen formella maskinbevis?

Nej. Lösningarna skrevs i naturligt språk och granskades av matematikexperter.

Kan Deep Think ersätta matematiker?

Nej. Systemet kan stödja problemlösning, men forskning kräver mänsklig problemformulering, verifiering och bedömning av relevans.

Sammanfattning

Gemini Deep Think nådde guldmedaljstandard vid IMO 2025 genom att lösa fem av sex problem och få 35 av 42 poäng.

Resultatet visade att en generell språkmodell kunde skapa avancerade matematiska bevis i naturligt språk inom tävlingens tidsram. Men framgång i en avgränsad tävling är inte samma sak som generell matematisk tillförlitlighet. Oberoende granskning, formell verifiering och mänsklig expertis förblev avgörande.

Faktaunderlag: Google DeepMind, ”Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad”, publicerad 21 juli 2025. Artikeln är en historisk sammanfattning publicerad i efterhand.