微博开源15亿参数VibeThinker，后训练成本7800美元

微博发布首个自研开源模型VibeThinker，参数量15亿。公司称，它在AIME和HMMT等数学测试中超过部分大型模型，并在编程评测中接近参数量更高的对手。

模型采用名为“频谱到信号原理”的训练方法，整个监督微调和强化学习后训练使用约3900个GPU小时，按当时租赁价格计算约7800美元。这个数字仅是后训练算力成本，不含基础模型、人员、数据和实验失败成本。

小模型的价值在于部署成本和可控性。参数更少通常需要更少显存，更适合研究机构和企业进行微调，也可能在限定任务上获得较低推理成本。但专门针对数学和竞赛编程训练，容易在相关基准中取得高分。

团队明确表示，当前版本是实验模型，没有针对日常聊天优化。评测领先不能说明它在知识覆盖、事实准确、安全或真实软件开发中同样领先，第三方复测和任务外泛化很重要。

VibeThinker提供了一条效率路线，而不是证明参数规模已经失去意义。后续应观察代码与权重是否完整、社区能否复现结果，以及小模型在企业任务中的实际成本和成功率。对开发者而言，可复现性比发布时的单项榜单更重要。