DeepSeek-Prover-V2-671B是什么88.9%通关MiniF2F的Lean 4形式化定理证明大模型完全指南【免费下载链接】DeepSeek-Prover-V2-671B项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-Prover-V2-671BDeepSeek-Prover-V2-671B是深度求索开源的一款面向Lean 4 形式化定理证明的大语言模型在数学推理基准 MiniF2F-test 上取得了88.9% 的通过率是神经网络定理证明Neural Theorem Proving领域的标杆模型。它由 671B 参数的 MoE 架构驱动基于 DeepSeek-V3-Base 训练能够直接阅读自然语言题目并生成可被 Lean 4 证明助手机器验证的严格证明代码。什么是形式化定理证明为什么值得关注很多人把AI 会解数学题理解为生成一段看起来对的解答但 DeepSeek-Prover-V2-671B 走的是更硬核的路线——形式化证明Lean 4是一个定理证明助手证明不是文字描述而是可被计算机逐行验证的逻辑代码 模型输出的是 Lean 4 证明代码只要 Lean 4 接受证明就绝对无误不存在步骤跳跃⚖️ 这项技术是数学自动化的核心方向也是AI 发现新定理研究的基石简而言之普通大模型说自己证完了DeepSeek-Prover-V2-671B 是证给机器看。核心能力一览88.9% 通关 MiniF2F 的神经网络定理证明模型根据官方说明DeepSeek-Prover-V2-671B 的关键成绩基准测试成绩说明MiniF2F-test88.9% 通过率形式化数学证明的标准评测集业界领先SOTAPutnamBench658 题中解出 49 题源自普特南数学竞赛的高难度题目 值得一提的是官方还把该模型在 miniF2F 数据集上的全部生成证明整理成了可下载的存档供研究者逐条查验这种可验证的开源在定理证明领域相当稀缺。训练方法揭秘递归定理证明流水线 强化学习DeepSeek-Prover-V2 的训练流程分为两个阶段这也是它超越前代的关键1️⃣ 用递归证明搜索合成冷启动推理数据以 DeepSeek-V3 为统一工具把复杂定理拆解成一系列子目标并同时用 Lean 4 形式化这些证明步骤用更小的7B 模型负责每个子目标的证明搜索大幅降低算力开销当一个难题的所有子目标都被解决后把完整的分步形式化证明与 DeepSeek-V3 的思维链Chain-of-Thought配对构成冷启动推理数据2️⃣ 基于合成数据做强化学习RL精选那些7B 模型端到端解不了、但拆解后子目标全部可解的难题拼接子证明得到原命题的完整证明微调后再进入强化学习阶段以对/错二元反馈作为奖励信号进一步打通非形式化推理 → 形式化证明的转换能力这套大模型拆题 → 小模型搜索 → 合成数据 → 强化学习的闭环让非形式化数学推理与形式化证明被统一进同一个模型。架构参数一览基于 DeepSeek-V3 的 MoE 结构DeepSeek-Prover-V2-671B 与 DeepSeek-V3 共享同一架构核心配置可从 config.json 直接读出参数值解读架构DeepseekV3ForCausalLM与 DeepSeek-V3 完全一致总参数量671BMoE稀疏专家混合架构专家数256 路由 1 共享每个 token 激活 8 个路由专家隐藏层数 / 宽度61 层 / 7168深层 Transformer词表大小129280覆盖数学符号与代码上下文163840YaRN 扩展原生 4096支持超长输入量化FP8E4M3权重以 FP8 分块存储对应的模型实现代码在 modeling_deepseek.pyDeepseekV3ForCausalLM类配置类定义在 configuration_deepseek.pyDeepseekV3Config类。仓库里有什么1.37TB 模型权重与关键文件本仓库是 HuggingFace 上的官方镜像包含完整的 671B 权重分片与推理所需全部文件 README.md —— 官方文档含完整介绍、成绩、ProverBench 说明与推理示例⚙️ config.json —— 模型架构超参数上文表格的来源 model-00001-of-000163.safetensors 至 model-00163-of-000163.safetensors —— 共163 个权重分片总容量约1.37 TBFP8️ model.safetensors.index.json —— 91991 个张量到分片文件的映射索引 tokenizer.json 与 tokenizer_config.json —— 分词器 LICENSE —— 模型使用许可模型权重遵循 Model License 提示671B 模型对硬件要求极高FP8 权重约 1.4TB普通单机难以部署想本地体验可关注下文的 7B 版本。快速上手用 Transformers 跑通第一次定理证明如果已下载到本地模型目录可以直接用 HuggingFace Transformers 加载。官方 README.md 中给出了完整示例核心流程如下from transformers import AutoModelForCausalLM, AutoTokenizer import torch model_id DeepSeek-Prover-V2-671B # 本地目录或 Hub 地址 tokenizer AutoTokenizer.from_pretrained(model_id) model AutoModelForCausalLM.from_pretrained( model_id, device_mapauto, torch_dtypetorch.bfloat16, trust_remote_codeTrue ) # 将 Lean 4 定理填入提示词要求模型先给出证明计划再补全证明 chat [{role: user, content: prompt.format(formal_statement)}] inputs tokenizer.apply_chat_template(chat, tokenizeTrue, add_generation_promptTrue, return_tensorspt).to(model.device) outputs model.generate(inputs, max_new_tokens8192) print(tokenizer.batch_decode(outputs))官方示例中的题目是一道 algebra 题theorem mathd_algebra_10 : abs ((120 : ℝ) / 100 * 30 - 130 / 100 * 20) 10 : by sorry模型会先输出证明计划关键思路、中间引理、证明结构再补全sorry之后的正式 Lean 4 证明代码。如果你只需要模型文件与文档可以用镜像仓库获取git clone https://gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-Prover-V2-671BDeepSeek-Prover-V2-7B 与 671B 版本怎么选官方同时发布了两个规格版本基础模型特点适用场景671B本文主角DeepSeek-V3-BaseMiniF2F 88.9% 的 SOTA 成绩多机集群、追求最强证明能力7BDeepSeek-Prover-V1.5-Base扩展至32K上下文单机研究、集成到证明流水线另外官方还配套发布了DeepSeek-ProverBench基准数据集共325 道题其中 15 道来自 AIME 24/25 竞赛题数论与代数其余 310 道来自教材与教程覆盖线性代数50、微积分90、抽象代数40、实分析30等领域是评估定理证明模型的实用工具。常见问题 FAQQ1DeepSeek-Prover-V2-671B 是免费开源的吗模型权重已公开发布本仓库即为镜像但使用需遵守 LICENSE 中规定的模型协议商用前请阅读条款。Q2它能直接帮我解数学作业题吗它的强项是把已形式化的命题补全为可验证证明。你可以把题目翻译成 Lean 4 代码或借助其他工具再由模型完成证明适合数学研究与 AI 系统学习实验。Q3MiniF2F 88.9% 意味着什么MiniF2F 是形式化证明领域的通用考试卷通过率越接近 100% 说明模型越接近完全掌握该证明体系。88.9% 代表了当前神经网络定理证明的最高水平。小结DeepSeek-Prover-V2-671B 用递归证明搜索合成冷启动数据 强化学习的组合拳把非形式化推理与 Lean 4 形式化证明统一进一个 671B 的 MoE 模型拿下 MiniF2F 88.9% 的 SOTA 成绩。无论你是想研究形式化定理证明、搭建AI 数学研究流水线还是只是好奇大模型如何证明数学定理这份开源模型 ProverBench 基准的组合都值得动手试一试 【免费下载链接】DeepSeek-Prover-V2-671B项目地址: https://ai.gitcode.com/hf_mirrors/deepseek-ai/DeepSeek-Prover-V2-671B创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考