网易新闻专题：聚焦VibeThinker背后的年轻研发团队

VibeThinker：当15亿参数的小模型解开奥数题

在AI竞赛的赛道上，大家似乎早已默认“更大就是更强”——千亿参数、万卡集群、动辄上百万美元的训练成本。然而，一款名为VibeThinker-1.5B-APP的模型却悄然打破了这一共识。它只有15亿参数，相当于主流大模型的零头，却能在数学推理和算法编程任务中与数十倍规模的对手一较高下。

更令人惊讶的是，它的完整训练成本不到8000美元。这不仅是一次技术突破，更像是对整个AI研发范式的温和挑战：我们是否真的需要无休止地堆叠参数？还是说，在特定任务上，smarter training + better data（更聪明的训练+更优的数据）才是通向高性能的捷径？

从“通用巨人”到“专业特种兵”

过去几年，大语言模型的发展几乎被“scaling law”主导：只要数据够多、算力够强、参数拉满，能力自然提升。但这条路走到今天，已经开始显现出边际效益递减的迹象——尤其是面对像数学证明、动态规划这类高度结构化的复杂推理任务时，很多超大模型依然会“想当然”地跳步、出错。

VibeThinker 走了另一条路：不追求全能，只专注两个硬核领域——数学推理与算法编程。它不是来陪你聊天的助手，而是专为解决AIME级别的奥赛题、Codeforces上的高难度编程题而生的“解题专家”。

这种“任务聚焦”的设计理念，让它避开了通用模型常见的“泛化陷阱”。与其让一个庞然大物去勉强理解所有问题，不如打造一个轻巧精准的工具，专门攻克最难啃的骨头。

它为什么这么能“算”？

你可能会问：一个1.5B的小模型，凭什么比得过20B甚至更大的同类？答案藏在它的训练方式里。

数据不是越多越好，而是越“对”越好

VibeThinker 的训练数据并非来自网页爬虫或社交媒体，而是精心筛选的高质量语料：
- 数学竞赛题库（如 AIME、HMMT）
- 编程平台真题（LeetCode Hard、Codeforces Div.1）
- 结构化逻辑推理集（包含详细解题步骤）

这些题目都经过清洗和格式化，确保每一条样本都是“问题 → 推理链 → 答案”的完整路径。模型不是简单记住答案，而是学会如何一步步推导。

这就像是教学生解题：重点不是背下标准答案，而是掌握思维过程。VibeThinker 正是在大量“带注释的参考解答”中学会了构建自己的推理链条。

训练机制：强制“写过程”，禁止“抄答案”

在微调阶段，研究人员采用了强化学习风格的监督策略——只奖励那些生成完整中间步骤的回答。如果模型直接跳到最后一步给出结果，哪怕正确也会被惩罚。

这种机制迫使模型内化逻辑连接的能力。比如面对一道组合数学题，它不会说“答案是42”，而是先分析约束条件、枚举可行状态、应用容斥原理，最后得出结论。这个过程虽然慢一点，但稳定性远高于“直觉式猜测”。

提示词工程：角色激活是关键

有趣的是，VibeThinker 表现出明显的“模块化行为切换”特征。也就是说，它内部似乎有不同的“专家模式”，需要通过系统提示词来激活。

例如：

You are a programming assistant specialized in algorithm design.

一旦这条提示出现，模型立刻进入“代码思维”状态，开始讨论时间复杂度、边界处理、数据结构选型；而换成：

You are a math problem solver with rigorous logical reasoning.

它就会转为严谨的数学表达风格，使用公式推导和定理引用。

这说明，尽管参数量小，但它已经具备了一定程度的任务路由能力——而这完全依赖外部提示引导。这也意味着，用得好不好，很大程度取决于你怎么“唤醒”它。

英文优先：语言影响逻辑连贯性

实测发现，使用英文提问时，VibeThinker 的推理流畅性和准确率明显更高。原因可能有三：
1. 训练语料中英文占比超过90%；
2. 数学符号和逻辑连接词（e.g., therefore, without loss of generality）在英文中更规范；
3. 中文表达容易引入歧义或省略关键逻辑环节。

因此，即使你的母语是中文，也建议用英文输入问题以获得最佳效果。

性能表现：小身材，大能量

别看参数少，VibeThinker 在多个权威基准测试中的表现堪称惊艳：

测试集	VibeThinker-1.5B	DeepSeek R1
AIME24	80.3	79.8
AIME25	74.4	70.0
HMMT25	50.4	41.7
LiveCodeBench v6	51.1	Magistral Medium: 50.3

注意：这些分数代表模型在真实竞赛题上的解答准确率。AIME 是美国数学邀请赛，HMMT 是哈佛-麻省理工数学锦标赛，其难度远超普通中学课程。能在这样的测试中超越部分20B级模型，足见其推理深度。

更重要的是，这一切发生在单张消费级GPU上。RTX 3090、4090，甚至云服务中的A10G都能轻松运行，无需昂贵的多卡集群。

部署简单到“一键启动”

为了让研究者和开发者快速上手，团队提供了完整的本地部署方案。最典型的使用方式是通过一个脚本直接拉起推理服务：

./1键推理.sh

别笑这个名字土，它背后封装的是实实在在的工程简化：

#!/bin/bash echo "Starting VibeThinker-1.5B Inference Server..." source /opt/conda/bin/activate vibethinker-env python -m gradio_app \ --model-path /models/VibeThinker-1.5B-APP \ --port 7860 \ --device cuda:0 echo "Server running at http://localhost:7860"

几行命令搞定环境激活、模型加载和服务启动。前端基于 Gradio 构建，打开浏览器就能交互。

如果你想要集成到自己的系统中，也可以通过API调用：

import requests url = "http://localhost:7860/api/predict" data = { "system_prompt": "You are a programming assistant specialized in algorithm design.", "user_input": "Find the longest palindromic substring in a string." } response = requests.post(url, json=data) print("Model Response:", response.json()["output"])

短短几行代码，就能让你的应用拥有竞赛级编程辅助能力。