当整个AI行业陷入“参数竞赛”的狂热时，微博AI交出了一份出乎意料的答卷，为沸腾的大模型战场开辟了一条充满想象力的新路径。
近日，微博正式发布首个自研开源大模型VibeThinker，这个仅拥有15亿参数的“轻量级选手”，在国际顶级数学竞赛基准测试上击败了参数量是其数百倍的，高达6710亿的DeepSeek R1模型。
更令人瞩目的是，其单次“后训练”的成本仅7800美元，对比DeepSeek-R1和MiniMax-M1等成本直接降低了几十倍。这一突破不仅重新定义了大模型的技术评价标准，更有望推动AI产业从“规模竞赛”转向“效率革命”。
行业黑马：小模型打破参数崇拜
在AI发展史上，参数量曾被视为衡量模型能力的核心指标。行业普遍认为，复杂推理能力需要1000亿以上参数才能涌现，而小模型则因无法处理高难度问题被视为“天生不足”。
但如果从小模型入手，通过巧妙的训练策略，能否挖掘出隐藏的推理能力？微博自研开源大模型VibeThinker，给出了行业一个肯定的答案。
当大多数AI厂商仍遵循着“规模扩大即智能提升”的 Scaling Law法则时，微博AI研发人员转而优化模型结构和训练范式，并创新提出了“频谱到信号原理”（SSP）方法训练，创造出了一个仅拥有15亿参数的“轻量级选手”，但在AI竞技场上战胜了超越其数百倍体量的“巨人”。
VibeThinker一经发布，立即引起了全球AI研究界的广泛关注，因其在一系列涵盖数学、编码的权威基准测试中，交出了一份出乎意料的答卷：
