微博AI近期正式发布3B参数开源密集推理模型VibeThinker-3B，该模型基于通义千问Qwen2.5-Coder-3B底座研发，采用独创的谱到信号（Spectrum-to-Signal）后训练pipeline优化，在AIME26基准测试中得分达94.3，LiveCodeBench v6测试得分达80.2，性能远超同参数级别模型，为端侧推理场景提供了高性价比的全新技术选型。
根据2026年上半年端侧AI产业调研数据，近7成消费电子厂商正在推进本地AI推理功能的落地，但现有可商用的推理模型大多集中在7B及以上参数区间，受限于设备算力无法在中低端硬件上部署。而3B参数级别的模型普遍存在数学推理、代码生成能力不足的问题，在专业任务中的准确率不足50%，难以支撑教育、开发工具类场景的需求，产业端对高性能小参数推理模型的需求正在快速攀升。
过往AI推理能力的提升大多依赖参数规模扩张，头部闭源推理模型参数已经突破千亿级别，只能通过云侧调用提供服务，不仅存在数据隐私风险，网络延迟也无法满足实时交互场景的需求。而端侧部署要求模型参数控制在3B以内，此前行业内没有能同时满足高推理准确率、低算力消耗要求的成熟开源方案，成为限制端侧AI普及的核心瓶颈。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号