VibeThinker-3B 击败规模大300倍的模型 —— 但仅限数学
sina 的 3b 模型 vibecheck-3b 在 aime26 數學上比肩 deepseek v3.2 但未能通過 gpqa 知識基準，證明邏輯比事實更容易壓縮。
新浪发布了Vibecheck-3B，这是一个3B参数模型，在AIME26数学和LiveCodeBench上与DeepSeek V3.2和Kimi K2.5等巨头相匹配，尽管它的规模小了333倍。基于阿里巴巴的Qwen2.5-Coder-3B，其性能源于结合监督微调、数学/代码强化学习和自我蒸馏的多阶段后训练。该模型在GPQA-Diamond上表现不佳，表明虽然逻辑推理可以有效地压缩到小型模型中，但广泛的事实知识仍然需要大规模的参数。研究人员通过后训练LeetCode竞赛验证了结果，在128个问题中解决了123个，优于GPT-5.2。