VibeThinker-3B:在AIME数学基准测试中与671B DeepSeek匹敌的3B参数模型

✍️ OpenClawRadar📅 公開日: June 28, 2026🔗 Source
VibeThinker-3B:在AIME数学基准测试中与671B DeepSeek匹敌的3B参数模型
Ad

Sina Weiboの9人の研究者チームは今週末、14ページのarXivレポートを公開し、3BパラメータのモデルVibeThinker-3Bが、数百倍のパラメータを持つモデルの推論性能に匹敵またはそれを上回ると主張した。このモデルはAIME 2026(アメリカ数学競技会)で94.3を記録し、DeepSeek V3.2(671Bパラメータ)と並び、Gemini 3 Pro(91.7)を上回った。テスト時スケーリング手法「Claim-Level Reliability Assessment」を適用すると、スコアは97.1に達する。

主要ベンチマーク

  • AIME 2025: 91.4
  • AIME 2026: 94.3(CLRA適用時97.1)
  • HMMT 2025: 89.3
  • BruMO 2025: 93.8
  • IMO-AnswerBench: 76.4
  • LiveCodeBench v6(Pass@1): 80.2
  • 未公開LeetCodeコンテスト(2026年4月~5月): 96.1%の合格率
  • IFEval: 93.4

特筆すべき点として、VibeThinker-3Bは知識ベンチマークでは低成績で、GPQA-Diamondで70.2(Gemini 3 Proは91.9、Claude Opus 4.5は87.0)。著者らはこれを自らの主張と一致するとして認めており、検証可能な推論は「パラメータ集約型」、オープンドメイン知識は「パラメータ拡大型」であるとしている。

Ad

トレーニングパイプライン

VibeThinker-3Bは、AlibabaのQwenチームによるQwen2.5-Coder-3Bをベースに、同チームの先行研究VibeThinkerで導入された多段階パイプライン「Spectrum-to-Signal Principle」を用いてポストトレーニングされた。論文ではパラメトリック圧縮・カバレッジ仮説を提唱。検証可能な推論はコンパクトなコアに圧縮可能だが、広範な知識にはより多くのパラメータが必要とされる。

公開から数時間で、この論文はHugging Face Daily Papersで62の賛成票を獲得し、モデルリポジトリは130のいいね、GitHubリポジトリは685のスターを獲得した。ソーシャルメディアでは懐疑的な声が多く、ユーザー@orcus108の投稿は16万1千回以上の閲覧を集め、「これがブレークスルーなのか、それともベンチマークが壊れているのか、本当にわからない」と述べている。

参考までに、DeepSeek V3.2は671Bパラメータ(約224倍)、GLM-5は744B、Kimi K2.5は1兆を超える。VibeThinker-3Bはコンシューマ向けノートPCで動作可能。

📖 出典全文: HN AI Agents

Ad

👀 See Also

マイクロソフト、トレーニングの洞察を伴うPhi-4-reasoning-vision-15Bマルチモーダルモデルをリリース
News

マイクロソフト、トレーニングの洞察を伴うPhi-4-reasoning-vision-15Bマルチモーダルモデルをリリース

マイクロソフトリサーチは、Microsoft Foundry、HuggingFace、GitHubを通じて利用可能な150億パラメータのオープンウェイトマルチモーダル推論モデル「Phi-4-reasoning-vision-15B」をリリースしました。このモデルは推論能力と効率性のバランスを取り、数学・科学推論やUI理解に優れています。

OpenClawRadar
最高裁、AI著作権訴訟の審理を拒否、下級審判決を維持
News

最高裁、AI著作権訴訟の審理を拒否、下級審判決を維持

米国最高裁判所は、AI生成物の著作権をめぐる紛争の審理を拒否し、人間の著作者なしに作成された作品に対する著作権保護を否定した下級裁判所の判決を維持しました。

OpenClawRadar
Amazon S3アノテーション:AIエージェントワークフロー向けオブジェクトごとの1GBメタデータ
News

Amazon S3アノテーション:AIエージェントワークフロー向けオブジェクトごとの1GBメタデータ

AWSがS3アノテーションを発表—オブジェクトあたり最大1,000のアノテーション、各1MB、合計1GB。変更可能、Athenaでクエリ可能、Glacierオブジェクトの取得料金は無料。

OpenClawRadar
AIエージェントの一貫性に関する研究:主要な知見と実践的ポイント
News

AIエージェントの一貫性に関する研究:主要な知見と実践的ポイント

Claude、GPT-4o、Llamaの3,000件の実験を調査した結果、一貫性のあるエージェントは80〜92%の精度を達成する一方、一貫性のないエージェントは25〜60%に低下し、乖離の69%は最初のツール呼び出しで発生することが明らかになりました。

OpenClawRadar