新浪微博推出30亿参数AI模型 推理性能超千亿参数旗舰
作者:亿邦AI 文章来源:亿邦动力
2026-06-18 11:22
作者:亿邦AI 文章来源:亿邦动力
2026-06-18 11:22
邦小白快读
2026年6月中旬,新浪微博9人AI研究团队在arXiv平台发布14页技术报告,推出参数规模仅30亿的大语言模型VibeThinker-3B,其推理性能可匹配甚至超越头部企业数百倍参数规模的旗舰系统。
公开测试结果显示,VibeThinker-3B在2026年美国数学邀请赛AIME中得分94.3,与参数规模达6710亿的DeepSeek V3.2持平,超过谷歌Gemini 3 Pro的91.7分。搭配团队自研的声明级可靠性评估测试时缩放技术,该模型得分可升至97.1,超过公开记录中几乎所有同类系统。其他测试维度中,该模型在2025年哈佛-麻省理工数学锦标赛得分89.3,2025年布朗大学数学奥林匹克得分93.8,国际数学奥林匹克基准IMO-AnswerBench得分76.4。编码能力测试上,其在LiveCodeBench v6的Pass@1得分为80.2,2026年4月25日至5月31日期间未公开的LeetCode周赛双周赛题目通过率达96.1%,指令跟随测试IFEval得分93.4。与之形成对比的是,当前头部推理模型参数多在千亿级以上,DeepSeek V3.2参数规模达6710亿,是VibeThinker-3B的224倍,智谱AI GLM-5参数达7440亿,月之暗面Kimi K2.5参数超过1万亿。30亿参数的规模让该模型可直接在消费级笔记本上运行。
研究团队提出参数压缩覆盖假说,该假说明确不同AI能力和模型规模的关联逻辑完全不同。数学竞赛编码挑战这类可验证结果的推理任务属于参数密集型能力,可压缩进小体量模型核心。开放域知识类任务属于参数扩展型,需要更多参数覆盖海量事实概念与边缘场景。对应测试数据显示,VibeThinker-3B在研究生级科学知识基准GPQA-Diamond上仅得70.2分,远低于Gemini 3 Pro的91.9分与Claude Opus 4.5的87.0分。团队在报告中明确,小模型并非要替代头部通用大模型,仅在可验证推理类任务上可达一线水平。
VibeThinker-3B并非从零搭建,是基于阿里Qwen团队的Qwen2.5-Coder-3B基础模型做后训练而来,采用团队2025年11月发布VibeThinker-1.5B时首次提出的频谱转信号原则四阶段训练流程。第一阶段为两阶段监督微调,先用数学代码STEM推理等混合数据训练,再聚焦高难度长周期推理问题。第二阶段采用自研MaxEnt引导策略优化算法,在数学代码STEM多个领域做强化学习,优先训练模型能力边界内的问题,同时引入长转短数学强化学习技术,奖励更短的正确解法,提升推理效率。第三阶段提取强化训练节点中的高质量推理轨迹,通过监督微调蒸馏进统一模型,优先学习模型尚未掌握的正确推理路径。第四阶段为指令强化学习,结合规则校验与评分奖励模型提升指令遵循能力。2025年11月新浪微博曾发布15亿参数的VibeThinker-1.5B,在多个数学基准上超过初代DeepSeek R1,当时后训练成本仅7800美元,远低于DeepSeek R1预估的29.4万美元。本次VibeThinker-3B采用MIT开源协议发布,权重可在Hugging Face与ModelScope平台免费下载,发布24小时内已有社区开发者完成GGUF量化并推出衍生模型。
报告发布后数小时,相关论文在Hugging Face每日论文榜单获62票点赞,模型仓库获130个喜欢,GitHub仓库获685星。同时社区也出现大量质疑声音,部分观点认为该模型属于针对基准优化的刷分产物,和实际应用能力脱节。有用户实测发现,该模型不了解当前流行的Python开发工具uv脚本,还有用户反馈模型仅能正常回复首轮对话,后续回复均对应首个提问。也有观点质疑模型未采用DeepSWE等行业通用基准,存在训练数据泄露可能。针对相关疑问,报告提及训练集已完成严格的基准去污染处理,通过n元语法过滤移除和评估集重叠的内容。其中LeetCode赛事测试的所有题目均晚于训练数据截止时间,同等测试条件下,VibeThinker-3B的96.1%通过率超过GPT-5.2、豆包Seed 2.0 Pro、Kimi K2.5与Claude Opus 4.6。
即便存在争议,行业普遍认为30亿参数规模达到该测试水平仍是具备意义的工程成果。该研究一定程度上挑战了此前AI行业普遍遵循的缩放定律共识,即参数规模越大模型性能越好的判断。如果参数压缩覆盖假说成立,未来行业可能采用小体积专用推理引擎搭配大知识量通用模型的混合架构,大幅降低AI推理能力的部署成本,让竞赛级数学与编码能力可在普通硬件上运行。
【版权提示】亿邦动力倡导尊重与保护知识产权。未经许可,任何人不得复制、转载、或以其他方式使用本网站的内容。如发现本站文章存在版权问题,烦请提供版权疑问、身份证明、版权证明、联系方式等发邮件至run@ebrun.com,我们将及时沟通与处理。
已点赞
{{ praise_text }}
好文章,值得被更多人看到
下一篇
小米推出MiMo Claw AI智能体 免费日使用时长提至4小时
小米发布MiMo Claw AI智能体,基于MiMo-V2.5-Pro大模型,任务完成率达63.8%且Token消耗降低超40%。免费用户单日使用时长从1小时增至4小时,并与金山办公生态深度融合,支持文档处理。









