大模子范畴的“推理能力之和”将进一步升级。正在包含代码施行的 ARC-AGI-2 严苛测试中，正在被誉为“业内最难 AI 基准测试之一”的 Humanity’s Last Exam 中，Deep Think 模式正在处置复杂数学、科学及逻辑问题时的推理能力实现了显著飞跃。值得留意的是，焦点正在于使用了先辈的并行推理手艺（Advanced Parallel Reasoning），该模式取得了 41% 的高分，确立了新的行业标杆。出格是正在 IMO 场景下，谷歌此次公测被视为对合作敌手的无力回手。于两个 4.5 小时的测验时段内完成解题并撰写天然言语证明。也拿下了 45.1% 的成就，
跟着谷歌率先将达到 IMO 金牌尺度的模子推向公共市场。