新浪微博开源VibeThinker-1.5B：1.5B小模型挑战千亿巨量参数

11月13日，新浪微博正式发布了其首个开源大模型 VibeThinker-1.5B，主打“小模型也能拥有大智慧”的理念。

以下是该模型的核心介绍：

当前行业顶尖模型的参数量普遍突破1万亿，部分甚至达到2万亿规模。这不禁让人思考：是否只有庞大的参数才能实现高度智能？是否只有少数科技巨头才有能力打造大模型？

VibeThinker-1.5B 正是微博AI对这一问题的有力回应，它证明了小模型同样可以实现高智商表现。这意味着构建最强模型不再像传统认知那样主要依赖堆砌参数量，通过巧妙的算法设计同样能够达到这一目标。

这款模型仅包含15亿参数，经过微博AI研发团队提出的创新“频谱到信号原理”（SSP）训练方法后，其表现令人惊艳：VibeThinker 在 AIME24、AIME25 以及 HMMT25 三个高难度数学测试集上的表现，超越了参数量超过其400倍的 DeepSeek-R1-0120 版本（模型大小671B），与规模为456B的 MiniMax-M1 效果相当或更优；在 LiveCodeBench v6（编程算法题测试集）中的成绩，成功追平参数量数十倍于它的模型，比如欧洲领先AI企业 Minstral.AI 的深度思考模型 Magistral-Medium-2506 版本。

VibeThinker 的强大能力并非来自参数堆砌，而是源于微博研发团队提出的 SSP 训练理念。该理念强调在学习阶段鼓励模型发散探索所有可能的解题路径，而非一味关注正确率；随后通过强化学习进行高效策略优化，精准锁定正确路径，将模型性能提升至极致。

该模型的单次“后训练”（Post-Training）成本不足8000美元。相比之下，DeepSeek-R1 和 MiniMax-M1 的后训练成本分别是29万美元及53万美元，成本降低了数十倍。

VibeThinker-1.5B 的开源，旨在为全球计算资源有限的中型企业及高校研究团队，提供一条高性价比的研发新路径。这使得人人都可以训练最前沿的大模型，而不像之前那样被排斥在外，这对于业界技术进步至关重要。

Github：https://github.com/WeiboAI/VibeThinker

HuggingFace：https://huggingface.co/WeiboAI/VibeThinker-1.5B

Arxiv：https://arxiv.org/pdf/2511.06221

ModelScope：https://www.modelscope.cn/models/WeiboAI/VibeThinker-1.5B