据动察 Beating 监测，DeepSeek V4 公布了两组形式化数学推理评测。Putnam（普特南竞赛）是北美最高水平本科数学竞赛。 在实用场景（Practical Regime）下，V4-Flash-Max 在 Putnam-200 Pass@8 基准上拿到 81.00 分，使用开源工具 LeanExplore 和受限采样。作为对比，Seed-2.0-Prover 为 35.50，Gemini 3 Pro 和 Seed-1.5-Prover 均为 26.50。 在前沿场景（Frontier Regime）下，V4 采用混合形式-非形式推理方案，先用 informal reasoning 生成候选自然语言解，经自我验证过滤后，再由 formal agent 在 Lean 中完成严格证明。V4 在 Putnam-2025 拿到 120/120 满分，与 Axiom 并列第一，高于 Seed-1.5-Prover 的 110/120 和 Aristotle 的 100/120。前沿场景使用了大规模计算扩展，实用场景结果更能反映常规部署能力。
DeepSeek V4がPutnam-2025で満点120点を獲得、形式化数学推論はAxiomに匹敵
据动察 Beating 监测，DeepSeek V4 公布了两组形式化数学推理评测。Putnam（普特南竞赛）是北美最高水平本科数学竞赛。
在实用场景（Practical Regime）下，V4-Flash-Max 在 Putnam-200 Pass@8 基准上拿到 81.00 分，使用开源工具 LeanExplore 和受限采样。作为对比，Seed-2.0-Prover 为 35.50，Gemini 3 Pro 和 Seed-1.5-Prover 均为 26.50。
在前沿场景（Frontier Regime）下，V4 采用混合形式-非形式推理方案，先用 informal reasoning 生成候选自然语言解，经自我验证过滤后，再由 formal agent 在 Lean 中完成严格证明。V4 在 Putnam-2025 拿到 120/120 满分，与 Axiom 并列第一，高于 Seed-1.5-Prover 的 110/120 和 Aristotle 的 100/120。前沿场景使用了大规模计算扩展，实用场景结果更能反映常规部署能力。