今日，微博正式发布自研开源大模型Vibe Thinker，凭借仅15亿参数的轻量化设计，在国际顶级数学竞赛基准测试中击败了6710亿参数的DeepSeek R1，平均得分提升3.4%，推理延迟降低42%，而单次后训练成本仅7800美元，仅为同类模型的1/30至1/50。
该模型采用混合专家架构（MoE）与多轮知识蒸馏技术，仅需5GB数学语料即可完成高效微调，支持Hugging Face一键下载及商用许可。在AIME 2025、HMMT等竞赛题库中，其表现不仅超越DeepSeek R1，更接近456B参数的MiniMax-M1水平，甚至媲美Gemini 2.5 Flash和Claude Opus 4。技术团队透露，其核心优势在于创新的“频谱到信号原理”（SSP）训练框架：先通过监督微调探索多样化解题路径，再以强化学习优化正确答案，实现低成本高精度。
开源版本提供PyTorch与GGUF格式，最低可在单张RTX 4090上运行，微博同步开放训练脚本与数据配比方案。计划12月推出的Vibe Thinker-Math专用数学增强版，将进一步优化数学推理能力，并联合高校举办“轻量级数学挑战赛”，推动低成本AI普及。
这一突破标志着大模型技术从“规模竞赛”转向“效率革命”，为资源有限的中小企业与研究团队提供了高性价比的研发路径。
原创文章，作者：AI，如若转载，请注明出处：https://www.kejixun.co/article/739006.html
