微博上线 VibeThinker-1.5B，低成本小模型挑战大语言模型

近日，微博旗下人工智能团队开源了 VibeThinker-1.5B，这是一款拥有15亿参数的语言模型（LLM）。该模型在阿里巴巴的 Qwen2.5-Math-1.5B 基础上做了精调，现已在 Hugging Face、GitHub 和 ModelScope 免费开放，研究人员与企业开发者都可使用，商业场景也不受限，遵循 MIT 许可协议。

虽然 VibeThinker-1.5B 体量不大，但在数学与编程任务上表现亮眼，推理能力达到行业前列，甚至超过参数高达6710亿的竞品 DeepSeek R1。它还能与 Mistral AI 的 Magistral Medium、Anthropic 的 Claude Opus4 以及 OpenAI 的 gpt-oss-20B Medium 等多款大型模型对标，却只需更低的基础设施和投入成本。

更关键的是，VibeThinker-1.5B 的后期训练仅花费约7800美元，远低于同类或更大模型动辄数十万甚至上百万美元的预算。LLM 的训练一般分两步：先做预训练，用海量文本学习语言规律与通识；再进行后期训练，借助更小但更优的数据，让模型更会助人、会推理，并与人类期望对齐。

VibeThinker-1.5B 采用名为“谱 – 信号原则”（Spectrum-to-Signal Principle，SSP）的训练框架，将监督微调与强化学习分成两个阶段：第一阶段强调多样性，第二阶段通过强化学习优化最优路径，让小模型也能高效探索推理空间，从而实现信号放大。

在多项评测中，VibeThinker-1.5B 的成绩超过不少大型开源与商业模型。其开源发布打破了“模型越大越好、算力越多越强”的固有观念，证明小模型在特定任务上同样能有不俗表现。

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

划重点:

📊 VibeThinker-1.5B 是微博发布的15亿参数开源模型，表现强劲，部分场景可比肩甚至超越大模型。  

💰 后期训练成本约7800美元，费用远低于同类模型的动辄数十万。  

🔍 采用“谱 – 信号原则”训练框架，让小模型也能高效推理，提升小模型的竞争力。