當整個AI行業陷入“參數競賽”的狂熱時，微博AI交出了一份出乎意料的答卷，為沸騰的大模型戰場開辟了一條充滿想象力的新路徑。
近日，微博正式發布首個自研開源大模型VibeThinker，這個僅擁有15億參數的“輕量級選手”，在國際頂級數學競賽基準測試上擊敗了參數量是其數百倍的，高達6710億的DeepSeek R1模型。
更令人矚目的是，其單次“后訓練”的成本僅7800美元，對比DeepSeek-R1和MiniMax-M1等成本直接降低了幾十倍。這一突破不僅重新定義了大模型的技術評價標準，更有望推動AI產業從“規模競賽”轉向“效率革命”。
行業黑馬：小模型打破參數崇拜
在AI發展史上，參數量曾被視為衡量模型能力的核心指標。行業普遍認為，復雜推理能力需要1000億以上參數才能涌現，而小模型則因無法處理高難度問題被視為“天生不足”。
但如果從小模型入手，通過巧妙的訓練策略，能否挖掘出隱藏的推理能力？微博自研開源大模型VibeThinker，給出了行業一個肯定的答案。
當大多數AI廠商仍遵循著“規模擴大即智能提升”的 Scaling Law法則時，微博AI研發人員轉而優化模型結構和訓練范式，并創新提出了“頻譜到信號原理”（SSP）方法訓練，創造出了一個僅擁有15億參數的“輕量級選手”，但在AI競技場上戰勝了超越其數百倍體量的“巨人”。
VibeThinker一經發布，立即引起了全球AI研究界的廣泛關注，因其在一系列涵蓋數學、編碼的權威基準測試中，交出了一份出乎意料的答卷：
