#微博大模型可真能省钱#当整个AI行业都在烧钱堆参数时，微博用30亿参数证明了一件事：通往智能的路，不止“更大”这一条。

VibeThinker-3B，一个只有30亿参数的“偏科生”，最近在数学、编程等推理任务上，性能直接比肩GPT-5、Claude Opus 4.5这些千亿级巨头。更让人惊讶的是成本——初代1.5B版本后训练只花了7800美元，是DeepSeek-R1的1/37。有网友在RTX 2070 Super上，拿它解出了Mathematica都搞不定的难题。

这套“小参数大智慧”的逻辑其实很清晰。微博团队提出了“参数压缩覆盖假设”：像数学解题、编程这类可验证推理能力可以被高度压缩进小模型；而海量事实性知识才依赖大参数。再加上独创的SSP训练范式，用算法创新替代算力堆砌。

所以问题来了：日常使用中，你是更需要一个能帮你解难题的“推理专才”，还是一个什么都懂一点的“通才”？ 至少VibeThinker的出现告诉我们：未来AI不一定都得是巨无霸，“小而强”的专家同样不可或缺。http://t.cn/AXSoc35Z