Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
deepmind21. Juli 2025 · Q001669

Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad

deepmind.google · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Google DeepMind zufolge erzielte eine fortgeschrittene Gemini-Version mit Deep Think bei der IMO 2025 mit fünf vollständig gelösten Aufgaben 35 von 42 Punkten und damit den Goldmedaillenstandard. Die IMO bestätigte laut Bericht die Lösungen, prüfte aber weder das Modell noch seine Prozesse; der bereitgestellte Text endet mit einer abgebrochenen Bildunterschrift.

Mittel

Google DeepMind berichtet, dass eine fortgeschrittene Version von Gemini mit Deep Think bei der IMO 2025 fünf von sechs Aufgaben vollständig gelöst und 35 von 42 Punkten erreicht habe. Laut Bericht bestätigte die IMO die eingereichten Lösungen als vollständig und korrekt; die Bewertung entspreche dem Goldmedaillenstandard. Die Organisatoren hätten die Lösungen als klar und präzise beschrieben.

Im Vergleich zu den 2024 eingesetzten Systemen AlphaProof und AlphaGeometry 2 habe Gemini die Aufgaben direkt in natürlicher Sprache bearbeitet und die Beweise innerhalb der Wettbewerbszeit von viereinhalb Stunden erstellt. Im Vorjahr waren laut Bericht formale Übersetzungen durch Fachleute nötig gewesen, und die Berechnung hatte zwei bis drei Tage gedauert. Deep Think erkunde mehrere Lösungswege parallel. Das Modell sei zusätzlich mit Techniken des Reinforcement Learning, mathematischen Lösungsdaten und allgemeinen IMO-Hinweisen trainiert worden.

Google DeepMind kündigt zunächst Tests mit einer ausgewählten Gruppe, darunter Mathematiker, und später eine Bereitstellung für Google-AI-Ultra-Abonnenten an. Als Grenze hält der Bericht fest: Die IMO habe die Lösungen bestätigt, nicht aber das Modell oder dessen Prozesse. Die Trainingsdarstellung und Einordnung der Leistung stammen vom Unternehmen. Der bereitgestellte Text endet mit einer abgebrochenen Bildunterschrift.

Ausführlich lesen

Der Bericht von Google DeepMind stellt die Leistung einer fortgeschrittenen Gemini-Version mit Deep Think bei der Internationalen Mathematik-Olympiade 2025 (IMO) vor. Nach Darstellung des Unternehmens löste das Modell fünf der sechs Aufgaben vollständig und erreichte 35 von 42 Punkten. Die IMO bestätigte laut Bericht, dass die eingereichten Antworten vollständige und korrekte Lösungen seien; 35 Punkte entsprächen dem Goldmedaillenstandard. Die Organisatoren hätten die Lösungen nach denselben Kriterien wie Schülerlösungen bewertet und sie als klar, präzise und überwiegend gut nachvollziehbar beschrieben.

Google DeepMind vergleicht das Ergebnis mit dem Vorjahr: 2024 hatten AlphaProof und AlphaGeometry 2 laut Bericht vier Aufgaben gelöst und 28 Punkte erreicht. Für diese Systeme mussten Fachleute die Aufgaben zunächst in formale Sprachen wie Lean übertragen und die Beweise anschließend wieder in natürliche Sprache umsetzen. Außerdem habe die Berechnung zwei bis drei Tage gedauert. 2025 habe Gemini dagegen die offiziellen Aufgabenbeschreibungen direkt in natürlicher Sprache verarbeitet und mathematische Beweise innerhalb der Wettbewerbszeit von viereinhalb Stunden erstellt. Das Unternehmen beschreibt dies als End-to-End-Vorgehen ohne die für den Vergleich genannten Übersetzungsschritte.

Als Grundlage nennt der Bericht eine erweiterte Deep-Think-Version, die mehrere mögliche Lösungswege parallel erkunden und zusammenführen könne. Das Modell sei mit neuen Reinforcement-Learning-Techniken und Daten zu mehrstufigem Schlussfolgern, Problemlösen und Beweisen trainiert worden. Zusätzlich habe es Zugang zu einer ausgewählten Sammlung hochwertiger mathematischer Lösungen sowie allgemeine Hinweise zur Bearbeitung von IMO-Aufgaben erhalten. Der Text führt diese Maßnahmen als Bestandteile des Ansatzes auf, weist aber keinen einzelnen Beitrag davon zur Punktzahl nach.

Google DeepMind kündigt an, eine Version zunächst einer Gruppe vertrauenswürdiger Tester, darunter Mathematikerinnen und Mathematiker, bereitzustellen und sie später für Google-AI-Ultra-Abonnenten auszurollen. Das Unternehmen sieht KI in der Mathematik noch am Anfang ihrer Möglichkeiten und arbeitet nach eigener Aussage parallel weiter an den formalen Systemen AlphaGeometry und AlphaProof. Als langfristige Perspektive nennt es Systeme, die flüssige Kommunikation in natürlicher Sprache mit strengem, gegebenenfalls formal verifiziertem Schlussfolgern verbinden.

Eine wesentliche Einschränkung benennt der Bericht selbst: Die IMO-Prüfung bestätige die eingereichten Lösungen, erstrecke sich aber nicht auf die Validierung des Modells, seiner Prozesse oder seiner Funktionsweise. Die Darstellung der Trainingsmethoden und ihrer Bedeutung stammt von Google DeepMind. Der bereitgestellte Text enthält den Bericht samt Danksagungen; die letzte nachgeholte Bildunterschrift bricht am Ende ab.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Lunas Zusammenfassung liegt in zwei Fassungen vor; beide wurden geprüft. Die kurze Fassung ist sachlich korrekt, aber knapp. Die mittlere Fassung gibt den Bericht treu wieder; die Aussage, die Trainingsdarstellung stamme vom Unternehmen, folgt aus der Herkunft des Berichts und ist keine erfundene Angabe. Der Bericht endet mit einer abgebrochenen Bildunterschrift.

Im Bericht, aber nicht in der Zusammenfassung

  • Der Silbermedaillenstandard 2024 mit AlphaProof und AlphaGeometry 2 (vier von sechs Aufgaben, 28 Punkte) wird nicht genannt.
  • Die IMO-Koordinatoren haben die Modellergebnisse erstmals nach denselben Kriterien wie Schülerlösungen zertifiziert; das wird nur in der mittleren Zusammenfassung bzw. gar nicht erwähnt.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Fähigkeiten messen
  1. SF-F2 Wenn ein Staat ein Modell als Beleg für eine überschrittene Schwelle nennt oder ein Risiko an der Herkunft eines Modells festmacht: Wie wird das überprüfbar?
    • clef 100 %kein Bezug
    • Luna 38 %Hintergrund, keine Belege
    • JEV 35 %beantwortet teilweise oder widerspricht
    • amos 26 %gleiches Oberthema, hilft nicht
    • SubQ 55 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Unabhängig prüfen
  1. SF-P1 Unter welchen Bedingungen lassen Staaten und Labore sich gegenseitig prüfen: mit welchem Zugang, welchen Daten und welchen öffentlichen Ergebnissen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 40 %einzelne zitierbare Belege
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  2. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 41 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 100 %kein Bezug
    • d3-ultra 100 %kein Bezug
  3. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 63 %einzelne zitierbare Belege
    • JEV 42 %einzelne zitierbare Belege
    • amos 26 %Hintergrund, keine Belege
    • SubQ 100 %kein Bezug
    • drex 34 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung beantwortet teilweise oder widerspricht

Tempo und Grenzen
  1. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 100 %kein Bezug
    • Luna 38 %einzelne zitierbare Belege
    • JEV 24 %Hintergrund, keine Belege
    • amos 34 %gleiches Oberthema, hilft nicht
    • SubQ 53 %gleiches Oberthema, hilft nicht
    • drex 60 %gleiches Oberthema, hilft nicht
    • d3-ultra 63 %gleiches Oberthema, hilft nicht
    • Haiku-Prüfung gleiches Oberthema, hilft nicht

Vertrauen in Modelle
  1. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 28 %Hintergrund, keine Belege
    • JEV 63 %einzelne zitierbare Belege
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 33 %gleiches Oberthema, hilft nicht
    • JEV 38 %einzelne zitierbare Belege
    • amos 39 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra 52 %gleiches Oberthema, hilft nicht
Agenten und vernetzte Systeme
Modelle teilen und schützen
  1. SF-H2 Was darf offen veröffentlicht werden, und wer ist verantwortlich, wenn ein offenes Modell anderswo Schaden anrichtet?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 29 %einzelne zitierbare Belege
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 75 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
  2. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 74 %einzelne zitierbare Belege
    • JEV 57 %einzelne zitierbare Belege
    • amos 27 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 41 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
    • Haiku-Prüfung nur am Rande erwähnt
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 50 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 58 %gleiches Oberthema, hilft nicht
    • drex 47 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 39 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 44 %gleiches Oberthema, hilft nicht
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 49 %gleiches Oberthema, hilft nicht
    • d3-ultra 100 %kein Bezug

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →