近日，微博推出的VibeThinker-3B模型在海外引发关注，登上多个技术社区热榜。据悉，该模型仅有30亿参数，但在数学解题、竞赛编程等高难度推理任务上，其性能已进入国际前沿模型的区间，在国内也具备对标一线模型的能力。
VibeThinker-3B是其初代模型的升级版，将小模型的推理能力上限推至新高度，核心亮点在于以极小的参数规模在特定赛道接近一线大模型表现。其能力适配数学教育、编程教学辅助、STEM领域推理及数据分析应用。有反馈显示，该模型甚至在消费级显卡上解决了复杂数学难题。
不过，该模型在开放领域知识、通用对话等方面与千亿级大模型存在差距。这种“偏科”是技术路线的选择，其通过定向强化推理能力的训练方法，成本远低于行业主流。团队据此提出了“参数压缩覆盖假设”，认为可验证推理能力可以被有效压缩，而通用知识更依赖大规模参数。
VibeThinker-3B的出现动摇了“规模即智能”的行业共识。它大幅降低了高性能推理的部署门槛，并开辟了效率优先的新技术路径。虽然无法替代通用大模型，但它证明了在特定能力上，小模型可与大模型形成互补，其技术突破有望降低AI应用成本，引发行业对发展路径的重新思考。
