VibeThinker-3B 擊敗規模大300倍的模型 —— 但僅限數學
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。
新浪發布了Vibecheck-3B，一個參數為3B的模型，與DeepSeek V3.2和Kimi K2.5等巨型模型在AIME26數學和LiveCodeBench上相匹配，儘管它的規模小了333倍。該模型基於阿里巴巴的Qwen2.5-Coder-3B構建，其性能源於結合監督微調、數學/代碼強化學習和自我蒸餾的多階段後訓練。該模型在GPQA-Diamond上表現不佳，表明雖然邏輯推理可以有效地壓縮到小型模型中，但廣泛的事實知識仍然需要大規模的參數。研究人員通過後訓練的LeetCode競賽驗證了結果，其中它解決了128個問題中的123個，優於GPT-5.2。