微博開源 VibeThinker-1.5B：僅花 7800 美元，數學推理逼近大模型

VibeThinker-1.5B 是微博 AI 開源的一個 15 億引數小模型，專門用來啃高難度的演算法題和競賽數學題。

它的總訓練成本只有 7800 美元，底座基於 Qwen2.5-1.5B 構建。別看它體量小，跑出來的推理成績卻直接衝著大模型去了。

它能做什麼

微博 AI 給它的定位非常明確，就是用來做高難度的數學推導與演算法程式設計，比如解決 LeetCode 和 Codeforces 風格的題目。

在基準測試中，它的表現相當亮眼。在 AIME24、AIME25 和 HMMT25 三個數學競賽基準上，它分別拿下了 80.3、74.4 和 50.4 分。

這個成績全面超越了引數量是其 400 多倍的早期 DeepSeek R1，後者的三項得分分別為 79.8、70.0 和 41.7 分。官方表示它的推理表現已經能媲美 GPT OSS-20B Medium。

在程式碼生成方面，它在 LiveCodeBench v5 拿到 55.9 分，在 v6 拿到 51.1 分，略微領先 Magistral Medium 的 50.3 分。

不過要說明的是，這是一個探索小模型極限的實驗性專案。官方明確提醒，它目前只適合用英文提問競賽數學和程式碼題，不建議拿來做日常的閒聊、寫作或通用任務。

怎麼做到的與怎麼跑起來

能用不到 8000 美元訓出這種推理能力，核心在於微博團隊採用的「頻譜到訊號原則」（SSP）訓練框架。

簡單來說，團隊在監督微調階段先讓模型探索足夠多樣的解題路徑，把思路放開；隨後在強化學習階段再去粗取精，強化正確的解題訊號。

這種以多樣性為核心的設計，讓一個 1.5B 級別的小模型走出了極高的引數效率。

如果你想自己部署玩玩，門檻非常低。模型倉庫採用 MIT 協議完全開源，權重已經在 Hugging Face 和 ModelScope 上架，技術報告也同步放上了 arXiv。

由於引數量只有 15 億，普通消費級顯示卡甚至輕薄裝置都能輕鬆載入。官方支援 Transformers、vLLM 和 SGLang 部署，也提供了 Docker 映象。

官方建議將推理時的最大 token 長度拉到 40960，溫度引數設為 0.6 或 1.0，讓模型有充分的空間展開長鏈條思考。

為什麼重要

對於打競賽、刷題的開發者或者想在端側跑專業推理的人來說，VibeThinker-1.5B 是個非常趁手的小玩具。你不需要租用昂貴的多卡算力，在單張入門顯示卡上就能獲得過去大模型才有的複雜推導體驗。

更重要的是，它證明了高強度推理並不一定非得靠堆疊千億引數來解決。通過更巧妙的訓練策略，小模型在特定垂直領域的智商完全可以越級挑戰。不過它的短板同樣明顯：偏科極其嚴重，出了演算法和數學的圈子就很難正常工作。但如果你的目標只是低成本搞定特定邏輯任務，它絕對值得你立刻拉下來跑一跑。