DeepSeek V4 liefert mathematische Beweise: Princeton bricht Rekord mit 500-fachem Kostenvorteil

Der Bereich der Mathematik wird tiefgreifend von der KI beeinflusst. Im Mai 2026 hob OpenAI die 80 Jahre alte „Unit-Distance-Vermutung“ auf. Der Gewinner der Fields-Medaille, Gowers, nannte es einen „epochalen Meilenstein“. Terence Tao kündigte an, dass er es aufgeben werde, alle neuen Beweise in Echtzeit zu verfolgen: „Die Mathematik bewegt sich von einer Ära der Beweisknappheit zu einer Ära des Beweisüberschusses.“

Vor diesem Hintergrund nutzte das PLI-Team der Princeton University (Sanjeev Arora + Chen Danqi) DeepSeek V4 Flash, um das Goedel-Architect-Agenten-Framework zu erstellen und alle 672 PutnamBench-Fragen für 294 $ zu beantworten – das vorherige Hilbert-System mit Google Gemini 2.5 Pro erforderte 170.000 $. Die Erfolgsquote beträgt 75,6 % gegenüber 70,0 % und der Kostenvorteil beträgt etwa das 500-fache. Der MiniF2F-Test erreichte 99,2 % und war damit das erste System, das alle 244 Fragen beantwortete.

Kerninnovationen von Goedel-Architect

Das Konzept des „Blueprint“ ist ein entscheidender Durchbruch von Goedel-Architect – vor dem Beweis wird ein gerichteter azyklischer Graph generiert, der alle Definitionen und Abhängigkeiten des Lemmas enthält, und dann zur parallelen Verarbeitung an den Lean-Prover verteilt. Scheitern ist kein Ende, sondern ein diagnostisches Signal: Das System korrigiert automatisch falsche Aussagen und zerlegt schwer zu beweisende Lemmata durch „Blaupausenverfeinerung“. Experimente mit kontrollierten Variablen beweisen, dass der Schlüssel zum 500-fachen Kostenvorteil eher im Pipeline-Design als in besseren Modellen liegt.

Kern-F&E-Team

PLI-Gründungsdirektor Sanjeev Arora (Gewinner des ACM Computing Award) und Chen Danqi (über 90.000 Google Scholar-Zitate, Tsinghua-Bachelor/Stanford PhD) werden gemeinsam geleitet. Das Team hat zuvor die Goedel-Prover-Serie veröffentlicht, die MiniF2F von 60 % auf 90 % verbessert.

Benchmark-Ergebnisse

• PutnamBench: 75,6 % bestanden bei 1 (Hilbert 70,0 %), 88,8 % nach natürlicher Sprachunterstützung
• MiniF2F-Test: 99,2 % (der Erste, der alle 244 Fragen beantwortet hat)
• IMO 2025: 4/6 Fragen
• Putnam 2025: 11/12 Fragen
• USAMO 2026: 3/6 Fragen (Kontaminationsimmunitätstest)

Der 500-fache Kostenvorteil ergibt sich aus der doppelten Innovation von DeepSeeks ultimativer Kosteneffizienz und dem Blueprint-Verfeinerungs-Framework. Das Beweisen formaler Theoreme ist eine wichtige Richtung für die Ausrichtung und Vertrauenswürdigkeit der KI – Lean-Compiler bieten Gewissheit, die zuverlässiger ist als jedes Peer-Review. Symbolischer ist, dass ein Spitzenteam aus Princeton das chinesische Open-Source-Modell anstelle des amerikanischen Closed-Source-Modells gewählt hat, um diese bahnbrechende Arbeit abzuschließen, die tiefgreifende Auswirkungen auf das globale KI-Forschungsökosystem hat.

Es lohnt sich, weiterzumachen:

1. Open-Source-Verbreitung: Kann das Goedel-Architect-Framework von anderen Modellen (Doubao/GLM) verwendet werden, um ähnliche Effekte zu reproduzieren?
2. Forschungsökologisches Signal: Die Auswirkungen der Entscheidung von Princeton, Chinas Open-Source-Modell zu verwenden, auf die globale akademische KI-Gemeinschaft
3. Industrialisierung der formalen Verifizierung: Anwendungsaussichten bei der Verifizierung wichtiger Software, der Prüfung intelligenter Verträge und anderen Szenarien