在人工智能領(lǐng)域持續(xù)創(chuàng)新的浪潮中，微博近日正式推出自主研發(fā)的開源大模型Vibe Thinker，以15億參數(shù)的精巧設(shè)計(jì)在國際頂級數(shù)學(xué)競賽基準(zhǔn)測試中脫穎而出，成功超越擁有6710億參數(shù)的DeepSeek R1模型。這一突破不僅體現(xiàn)在準(zhǔn)確率上的領(lǐng)先，更在于其單次“后訓(xùn)練”成本僅需7800美元，相較于DeepSeek-R1和MiniMax-M1等同類模型，成本降低了數(shù)十倍，展現(xiàn)了高效能與低成本并重的顯著優(yōu)勢。

Vibe Thinker的核心競爭力在于其采用的輕量化MoE（混合專家）架構(gòu)與多輪知識蒸餾技術(shù)。這一創(chuàng)新設(shè)計(jì)使得模型在處理數(shù)學(xué)問題時，僅需5GB以下的數(shù)學(xué)語料即可完成高效微調(diào)，極大地降低了訓(xùn)練資源的需求。同時，微博官方宣布，該模型支持通過Hugging Face平臺一鍵下載，并提供了商用許可，為開發(fā)者提供了便捷的接入途徑。據(jù)微博技術(shù)團(tuán)隊(duì)透露，在AIME 2025、HMMT等國際知名數(shù)學(xué)競賽題庫中，Vibe Thinker的平均得分較DeepSeek R1提升了3.4%，推理延遲時間更是降低了42%，這一性能提升使其在教育、金融等對實(shí)時性要求較高的場景中展現(xiàn)出巨大的應(yīng)用潛力。

為了進(jìn)一步推動技術(shù)的普及與應(yīng)用，微博在開源版本中提供了PyTorch與GGUF兩種格式，確保模型能夠在不同硬件環(huán)境下靈活部署。特別值得一提的是，Vibe Thinker的最低運(yùn)行要求僅為單張RTX4090顯卡，這一低門檻設(shè)計(jì)使得更多研究機(jī)構(gòu)和開發(fā)者能夠輕松上手，進(jìn)行模型的二次開發(fā)與優(yōu)化。微博還同步開放了訓(xùn)練腳本與數(shù)據(jù)配比方案，為社區(qū)貢獻(xiàn)了寶貴的技術(shù)資源。

展望未來，微博計(jì)劃于12月推出Vibe Thinker-Math專用數(shù)學(xué)增強(qiáng)版，這一版本將針對數(shù)學(xué)領(lǐng)域的特定需求進(jìn)行深度優(yōu)化，進(jìn)一步提升模型在數(shù)學(xué)問題解決上的能力。與此同時，微博還將聯(lián)合多所高校舉辦“輕量級數(shù)學(xué)挑戰(zhàn)賽”，旨在通過競賽的形式激發(fā)創(chuàng)新活力，推動低成本、高精度AI技術(shù)的廣泛應(yīng)用，為人工智能領(lǐng)域的發(fā)展注入新的動力。