VibeThinker-3B发布：3B参数推理模型性能媲美671B DeepSeek V3.2，开源MIT协议

一句话看懂

新浪微博团队发布VibeThinker-3B，一个3B参数的开源推理模型，在数学和代码基准上性能媲美671B的DeepSeek V3.2，MIT协议可商用。

详细发生了什么

VibeThinker-3B是一个基于Qwen2.5-Coder-3B构建的密集推理模型，由新浪微博（中国）的研究团队开发。它并非从头预训练，而是通过后训练流水线——Spectrum-to-Signal Principle（SSP）——在监督微调（SFT）、强化学习（RL）和自蒸馏后得到。模型专门针对可验证的推理任务（数学、代码、STEM），在开放域知识任务上建议使用更大的通用模型。

基准测试方面，VibeThinker-3B在AIME26上取得94.3分，与DeepSeek V3.2（671B）和Kimi K2.5（1T）相当。在LiveCodeBench v6上达到80.2 Pass@1，在HMMT25上为89.3，BruMO25为93.8，IMO-AnswerBench为76.4。使用测试时扩展方法CLR（Claim-Level Reliability Assessment）后，AIME26提升至97.1，BruMO25达到99.2。在未见的LeetCode周赛/双周赛中，首次提交Python通过率高达96.1%（128题通过123题）。

模型权重约6GB（BF16），可单GPU运行，推荐使用vLLM或SGLang进行推理。代码和权重已在Hugging Face上以MIT协议开源。

中文圈视角

VibeThinker-3B对中文开发者来说有几个直接价值：

低成本推理能力：3B参数模型在数学和代码推理上达到千亿级模型水平，意味着个人开发者或小团队可以用一张消费级GPU（如RTX 4090）部署强大的推理助手，无需调用昂贵API。对于需要大量自动解题、代码生成的场景（如在线教育、编程竞赛训练），成本大幅降低。
开源可商用：MIT协议允许自由使用、修改和商用，国内企业可以基于此模型开发私有推理服务，无需担心合规风险。相比DeepSeek V3.2（671B，开源但部署成本高），VibeThinker-3B更适合边缘部署或资源受限环境。
国产模型生态补充：基于Qwen2.5-Coder-3B，与阿里通义千问生态兼容，方便集成。目前国内类似小参数推理模型较少，VibeThinker-3B填补了空白。但需注意，它在知识密集型基准（如GPQA-Diamond）上落后于大模型，不适合开放域问答。
监管友好：模型体积小，数据可控，适合国内数据不出境要求。团队来自新浪微博，属于国内企业，合规风险低。

几条值得记住的细节

模型大小：3B参数，BF16权重约6GB，单GPU可运行。
基准成绩：AIME26 94.3（+CLR后97.1），LeetCode unseen 96.1%通过率。
后训练流水线：Spectrum-to-Signal，包含SFT、多领域RL、自蒸馏和指令RL。
测试时扩展：CLR方法无需增加参数，通过多次采样和自验证提升准确率。
开源协议：MIT，可商用。权重在Hugging Face上以WeiboAI/VibeThinker-3B发布。

一句话总结

VibeThinker-3B证明小模型也能在推理任务上媲美千亿级模型，对预算有限的中文开发者和企业来说，是一个高性价比的开源选择。