VibeThinker-3B-GGUF

קוד פתוח

prithivMLmodsmit2026-06-16

transformers
gguf
math
code
reasoning

מודל חשיבה קומפקטי שמכוון כולו למתמטיקה ולתכנות תחרותי. הוא נועד למי שרוצה ביצועי פתרון בעיות גבוהים מקומית בלי לתחזק שרת ענק.

45.4 GBמשקל הקבצים
2,197הורדות בחודש
73לייקים

מה זה

מדובר במודל של שלושה מיליארד פרמטרים שפותח על ידי WeiboAI על בסיס Qwen2.5-Coder-3B, והומר כאן לקובצי GGUF על ידי prithivMLmods. הרעיון המרכזי מאחוריו הוא שחשיבה שניתנת לאימות דורשת פחות נפח ממה שחשבו, כך שאפשר לדחוס יכולת פתרון בעיות קשה לתוך גודל זעיר בעזרת אימון מבוסס חיזוקים וזיקוק עצמי.

במבחני LeetCode מתחרויות של אפריל ומאי 2026 הוא רשם 96.1% קבלה של פתרונות, שהם 123 מתוך 128 הגשות. במבחן IMO-AnswerBench הוא קיבל ציון 76.4 שעולה ל־80.6 עם סקיילינג בזמן ריצה, רמה שמתחרה ישירות במודלי ענק כמו DeepSeek V3.2 ו־Gemini 3 Pro על משימות לוגיות מוגדרות היטב.

מתאים ל

פתרון בעיות LeetCode
פותר אלגוריתמים תחרותיים עם שיעור הצלחה של מעל תשעים ושישה אחוזים במבחנים עדכניים.
עוזר מתמטי מקומי
מתמודד עם הוכחות ומבחני מתמטיקה קשים ישירות על המחשב בלי לשלוח נתונים החוצה.
שרשרת חשיבה ארוכה
תומך ביצירת פלט של עד 102K טוקנים לתהליכי בדיקה והסקה מעמיקים.

איפה זה נופל

הוא מיועד רק למשימות שבהן יש תשובה נכונה שניתנת לבדיקה. היוצרים מבהירים במפורש שהוא לא מתאים למשימות ידע כללי רחב או לשאלות פתוחות, ושם מודלים גדולים עדיפים בהרבה. בנוסף, המודל דווח באנגלית בלבד, כך שלא כדאי לבנות עליו לפענוח פרומפטים מורכבים בעברית או לניסוח טקסטים מקומיים.

שאלות
נפוצות

האם המודל יודע לענות על שאלות ידע כללי?

לא. המודל אומן ספציפית למתמטיקה, תכנות ומדעים מדויקים. היוצרים שלו מציינים בפירוש שעבור שאלות פתוחות וידע כללי עדיף להשתמש במודלים כלליים רגילים.

איזה קובץ הכי מומלץ להוריד מתוך הרשימה?

לרוב המשתמשים כדאי לקחת את VibeThinker-3B.Q4_K_M.gguf ששוקל 1.93 גיגה-בייט ונותן איזון מעולה בין מהירות לזיכרון. אם יש לכם חומרה חזקה יותר, גרסת Q8_0 ששוקלת 3.29 גיגה-בייט תיתן מינימום פגיעה בביצועים.

איך מריצים

המודל הזה רץ בקלות על כל לפטופ מודרני, אפילו על מעבד רגיל דרך llama.cpp. קובץ ה־Q4_K_M שוקל 1.93 גיגה-בייט בלבד ונכנס בכל כרטיס מסך בסיסי או בזיכרון של מקבוק, כך שאין שום סיבה טכנית להחזיק שרת יקר או לשלם ל־API חיצוני על קריאות בודדות.

אם יש לכם זיכרון פנוי בכרטיס המסך, קחו את Q8_0 ששוקל 3.29 גיגה-בייט כדי לשמור על דיוק מקסימלי. מומלץ להריץ אותו עם טמפרטורה 1.0 ו־top_p של 0.95 דרך מנועים כמו vLLM או SGLang, במיוחד אם אתם מתכננים לנצל את היכולת שלו לפלוט עד 102K טוקנים.

ollama run hf.co/prithivMLmods/VibeThinker-3B-GGUF:Q4_K_M

איזו גרסה

אותו מודל בכמה רמות דחיסה. ככל שהמספר נמוך יותר הקובץ קטן יותר ורץ על פחות זיכרון, והתשובות נהיות פחות מדויקות. רוב האנשים רוצים את הגדולה ביותר שנכנסת להם בזיכרון.

F3212.3 GB BF166.2 GB F166.2 GB Q8_03.3 GB Q6_K2.5 GB Q5_K_M2.2 GB Q5_02.2 GB Q5_K_S2.2 GB Q4_K_M1.9 GB Q4_K_S1.8 GB Q4_01.8 GB Q3_K_L1.7 GB Q3_K_M1.6 GB Q3_K_S1.5 GB Q2_K1.3 GB

הקבצים

17 קבצים במאגר, 45.4 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הפרויקט מופץ תחת רישיון MIT. המשמעות פשוטה: מותר להשתמש בו לכל מטרה, כולל שימוש מסחרי, שינוי הקוד והפצה בתוך מוצר סגור, בלי תמלוגים. התנאי היחיד הוא שמירת הודעת זכויות היוצרים המקורית בקוד.

שימוש מסחרי
שינוי הקוד
הפצה מחדש

הרישיון המלא בעמוד המודל ↗