一個只有 30 億參數的模型，在 2026 年的奧數題庫 AIME 上拿到 94.3 分。同一份考卷，Google 那台跑在資料中心、參數幾百倍大的 Gemini 3 Pro，只拿到 91.7。
更離譜的是，這個模型來自微博。對，就是你刷熱搜那個微博。它叫 VibeThinker-3B，週末悄悄丟上 Hugging Face，配 MIT 授權，任何人都能下載、商用、改造。整個 AI 圈為了它的跑分吵了一整週。
一句話結論：VibeThinker-3B 是微博開源的 3B 小推理模型，在 AIME 2026 奧數測試上超過 Gemini 3 Pro、打平 DeepSeek V3.2，證明「強推理」不再是大廠 GPU 軍團的專利，小到能塞進你電腦。
VibeThinker-3B 到底是什麼？
它是一個密集型（dense，所有參數每次都會用上，不是那種「只啟動一部分」的 MoE）語言模型，參數量 30 億，基礎建在阿里的 Qwen2.5-Coder-3B 上面。重點不在它會聊天，而在它會「推理」：解數學、寫程式、做 STEM 邏輯題。
講人話：3B 這個尺寸，意思是它可以塞進一張普通顯卡、甚至高階手機就能跑，不用租雲端、不用排隊搶 GPU。而它在奧數級別的題目上，跟那些動輒 6,000 億、7,000 億參數、只能養在資料中心的旗艦模型打成平手。
微博的團隊把方法論寫進論文，標題就很挑釁：Tiny Model, Big Logic（小模型，大邏輯）。訓練手法疊了三層：先做課程式微調（由淺到深餵題目），再上多領域強化學習，最後做離線自蒸餾。沒有什麼祕密武器，就是把已知的方法調到極致。
94.3 分有多誇張？跟旗艦模型比一下
差距大到一句話講不完，直接看表。AIME 是美國高中數學邀請賽，題目難度接近奧數初選，是業界公認最能測「真推理」的考卷之一。
| 模型 | 參數量 | AIME 2026 分數 | 開源 / 授權 |
|---|---|---|---|
| VibeThinker-3B | 30 億 | 94.3（測試時策略可到 97.1） | ✅ MIT，可商用 |
| DeepSeek V3.2 | 6,710 億 | 約 94 級 | ✅ 開源 |
| GLM-5 | 7,440 億 | 同檔次 | ✅ 開源 |
| Gemini 3 Pro | 未公開（極大） | 91.7 | ❌ 閉源 |
看懂這張表的關鍵不是「誰第一」，而是左邊那欄。VibeThinker 用 DeepSeek V3.2 不到百分之一的參數量，做到差不多的成績。這不是「便宜了一點」，是差了兩個數量級。
不只奧數。它在其他考卷上也站得住：AIME 2025 拿 91.4、HMMT 2025 拿 89.3、IMO-AnswerBench 拿 76.4；寫程式那邊，LiveCodeBench v6 的 Pass@1 是 80.2，而且在四到五月那批它沒看過的 LeetCode 週賽題上，通過率 96.1%。一個 3B 模型有這種數字，放在一年前是不可想像的。
為什麼整個 AI 圈在吵？
因為跑分這種事，向來容易作弊。最常見的質疑是「資料污染」：如果模型訓練時不小心吃進了考題答案，分數自然漂亮。一個 3B 模型衝到旗艦水準，第一反應當然是懷疑它是不是「背過考卷」。
微博的反駁是那組 LeetCode 數據：那批週賽題是四月底到五月底才開放、模型訓練完成之後才出現的「全新題」，理論上不可能被污染，而它照樣拿 96.1%。這條證據沒辦法完全平息爭論，但夠分量讓人認真看待。
真正讓人坐立難安的不是分數，是參數量。它逼著大廠回答一個問題：如果 3B 就能做到，那你那 7,000 億參數，到底有多少是真的需要的？
這就是它的政治意義。過去兩年的主流敘事是「模型越大越強，所以算力就是國力」。VibeThinker 不是推翻這句話，但它在「推理」這個最硬的能力上戳了一個洞：在某些任務上，把方法做對，比把參數堆大更有效。
對普通人和散戶，這件事意味著什麼？
意味著「強推理」開始下放。以前你要一個會解難題、會寫程式的 AI，要嘛付 ChatGPT Plus、Claude Pro 的月費，要嘛租雲端 GPU。現在有一條新路：一個免費、可商用、跑得動在自己機器上的小模型，數學和程式能力直接對標第一梯隊。
具體的影響有三個方向。第一，做產品的人成本驟降——以前要靠 API 按量付費的推理任務，現在可以本地跑，邊際成本趨近於零。第二，注重隱私的場景（醫療、法務、財務）有了不上雲也能用的選項。第三，這對閉源模型的定價是一種壓力，當開源的免費方案能打平你的付費旗艦，你的訂閱費就不好收了。
當然要說清楚邊界：VibeThinker 是「推理專精」模型，它強在數學、程式、邏輯。它不是全能型選手，日常閒聊、寫文案、長文理解這些，旗艦大模型還是更圓融。它是一把鋒利的專用刀，不是瑞士軍刀。
想自己玩，現在能怎麼動手？
門檻比你想的低。給有點基礎、想實際跑跑看的人一份最小行動清單：
- 到 Hugging Face 搜
WeiboAI/VibeThinker-3B，模型權重和說明都在那裡，MIT 授權直接下載。 - GitHub 找
WeiboAI/VibeThinker，訓練程式碼和工具是開放的，想復現或微調都看得到方法。 - 本地跑可以用 Ollama 或 LM Studio 這類工具掛起來，3B 尺寸對 16GB 記憶體的機器很友善。
- 真要它發揮，記得它是推理模型，丟數學題、程式題、邏輯題給它，別當聊天機器人用。
如果你不想折騰本地部署，也有替代路線：DeepSeek 的網頁版同樣免費、推理能力強；只要會解難題不在意尺寸，Qwen 系列的開源模型也值得一試。VibeThinker 的價值在「小」，如果你不缺算力，大模型體驗還是更省事。
常見問題
VibeThinker-3B 真的免費嗎？
是。模型權重和訓練程式碼都採 MIT 授權放在 Hugging Face 和 GitHub，個人和商用都免費，不用付費訂閱。
它能取代 ChatGPT 或 Claude 嗎？
在數學和程式推理上可以打平甚至超過，但日常對話、寫作、長文理解這些綜合能力，旗艦大模型還是更強。它是專用工具，不是全能替代。
普通電腦跑得動嗎？
跑得動。3B 參數量很輕，一張普通顯卡或 16GB 記憶體的機器就能本地運行，這正是它最大的賣點。
結論：算力不是唯一的答案
VibeThinker-3B 不會讓旗艦模型退場，大模型在綜合能力上的優勢還很實在。但它提供了一個過去被忽略的證據：在推理這條路上，方法的價值被嚴重低估了。一家做社群的公司，用一個塞得進手機的模型，在奧數考卷上贏了 Google 的旗艦，這件事本身就值得記住。
對你我來說，最實際的一句話是：強推理正在變便宜、變開放、變得人人可得。接下來該盯的，是還有多少「只有大廠才做得到」的能力，會被下一個 3B 模型打破。
本文資訊截至 2026 年 6 月，模型版本與跑分數據可能隨更新變動。文中提及的工具與授權條款請以官方頁面為準。本文為資訊分享，不構成任何投資或採購建議。
延伸閱讀：站內相關文章
- Hallmark 是什麼？讓 AI 設計「不像 AI 做」的 skill：57 道防醜測試治好 AI 味（2026 實測）
- stitch-skills 是什麼？Google 悄悄開源 7 個 Agent Skills，還直接用了 Anthropic 的格式（2026）
- Desktop Commander 是什麼？一個 MCP 讓 Claude 直接開你的終端機、改你的 Excel（2026 實測＋風險）
發表迴響