微博开源轻量大模型 VibeThinker：15亿参数实现超大规模模型级性能

微博正式发布其首个自研开源大模型——VibeThinker。该模型仅拥有15亿参数，却在多项国际顶级数学与编程基准测试中，展现出超越参数量高达6710亿的竞品模型的卓越能力，引发人工智能领域广泛关注。

VibeThinker的研发聚焦于复杂数学推理与竞赛级代码生成任务，在AIME、HMMT等高难度数学测试集以及LiveCodeBench编程评测中表现亮眼，甚至媲美部分千亿级闭源模型。尤为引人注目的是，其单次“后训练”成本仅为7800美元，相较同类高性能模型动辄数十万美元的投入，大幅降低了AI研发门槛。

这一突破得益于微博团队提出的创新训练框架——“频谱到信号原理”（SSP）。该方法将训练过程分为两个阶段：首先鼓励模型探索多样化解题路径，构建丰富的“解题频谱”；随后通过强化学习从中提炼最优“信号”，实现高效精准推理。这种先发散、再收敛的策略，使小模型在有限参数下释放出强大智能潜力。

目前，VibeThinker已在GitHub、Hugging Face及ModelScope等平台全面开源。微博强调，该模型尚处于实验性阶段，未针对日常对话进行优化，主要适用于专业领域的高智能任务。未来，团队将持续迭代模型能力，并探索其在教育、科研及企业智能化场景中的落地应用。

VibeThinker的发布标志着“小而精”成为大模型发展新路径，为资源有限的中小企业与高校研究团队提供了高性价比的技术选择，有望推动AI技术进一步普惠化与多元化。