DeepSeek V4 apporte une preuve mathématique : l'équipe de Princeton a réalisé une tâche de 170 000 $ pour 294 $, soit un avantage de coût 500 fois supérieur.
L'équipe de Princeton a utilisé DeepSeek V4 Flash pour créer Goedel-Architect et a réalisé PutnamBench pour 294 $ (nécessitait auparavant 170 000 $), avec un taux de réussite de 75,6 %, surpassant Hilbert. MiniF2F a répondu aux 244 questions pour la première fois.
DeepSeek V4 fait une preuve mathématique : Princeton bat le record avec un avantage de coût 500 fois supérieur
Le domaine des mathématiques est profondément impacté par l’IA. En mai 2026, OpenAI a renversé la « conjecture de la distance unitaire » vieille de 80 ans. Gowers, lauréat de la médaille Fields, l'a qualifié de «jalon historique». Terence Tao a annoncé qu'il renoncerait à suivre toutes les nouvelles preuves en temps réel : « Les mathématiques passent d'une ère de rareté des preuves à une ère d'excès de preuves.
Dans ce contexte, l'équipe PLI de l'Université de Princeton (Sanjeev Arora + Chen Danqi) a utilisé DeepSeek V4 Flash pour créer le cadre d'agent Goedel-Architect et répondre aux 672 questions PutnamBench pour 294 $ - le précédent système Hilbert piloté par Google Gemini 2.5 Pro nécessitait 170 000 $. Le taux de réussite est de 75,6 % contre 70,0 % et l'avantage en termes de coût est d'environ 500 fois. Le test MiniF2F a atteint 99,2 %, devenant ainsi le premier système à répondre aux 244 questions.
Innovations fondamentales de Goedel-Architect
Le concept de « Blueprint » est une avancée clé de Goedel-Architect : un graphe acyclique dirigé est généré avant la preuve, incluant toutes les définitions et dépendances du lemme, puis distribué au prouveur Lean pour un traitement parallèle. L'échec n'est pas une fin mais un signal de diagnostic : le système corrige automatiquement les propositions incorrectes et décompose les lemmes difficiles à prouver grâce à un « raffinement du plan ». Des expériences avec des variables contrôlées prouvent que la clé de l’avantage de coût 500x réside dans la conception du pipeline plutôt que dans de meilleurs modèles.
Équipe R&D de base
Le directeur fondateur du PLI, Sanjeev Arora (lauréat du ACM Computing Award) et Chen Danqi (plus de 90 000 citations de Google Scholar, premier cycle de Tsinghua/doctorat de Stanford) sont co-dirigés. L'équipe a déjà publié la série Goedel-Prover, qui améliore MiniF2F de 60 % à 90 %.
Résultats de référence
- PutnamBench : 75,6 % pass@1 (Hilbert 70,0 %), 88,8 % après assistance en langage naturel
- Test MiniF2F : 99,2 % (le premier à répondre aux 244 questions)
- OMI 2025 : 4/6 questions
- Putnam 2025 : 11/12 questions
- USAMO 2026 : 3/6 questions (test d'immunité à la contamination)
L’avantage de coût 500 fois supérieur provient de la double innovation du cadre ultime de rentabilité et d’affinement des plans de DeepSeek. La preuve formelle de théorèmes est une direction importante pour l’alignement et la fiabilité de l’IA : les compilateurs Lean offrent une certitude plus fiable que n’importe quel examen par les pairs. Ce qui est plus symbolique, c'est qu'une équipe de pointe de Princeton a choisi le modèle open source chinois au lieu du modèle américain fermé pour mener à bien ce travail révolutionnaire, qui a un impact profond sur l'écosystème mondial de la recherche sur l'IA.
A suivre :
- Diffusion open source : Le framework Goedel-Architect peut-il être utilisé par d'autres modèles (Doubao/GLM) pour reproduire des effets similaires ?
- Research Ecological Signal : L'impact de la décision de Princeton d'utiliser le modèle open source chinois sur la communauté universitaire mondiale en IA
- Industrialisation de la vérification formelle : perspectives d'application dans la vérification de logiciels clés, l'audit de contrats intelligents et d'autres scénarios
Avis