GPT
הוספת כלי
V

VibeThinker-1.5B

קוד פתוח

WeiboAImit2025-11-04

  • transformers
  • safetensors
  • qwen2
  • text-generation
  • math

מודל קומפקטי של 1.8 מיליארד פרמטרים שמיועד ספציפית לפתרון בעיות מתמטיקה ואלגוריתמיקה תחרותית. הוא מציג יכולות היקש שמתחרות במודלים כבדים בהרבה בעלות אימון נמוכה במיוחד.

  • 1.8Bפרמטרים
  • 131,072טוקנים בהקשר
  • 3.3 GBמשקל הקבצים
  • 11,546הורדות בחודש

מה זה

מדובר במודל צפוף המבוסס על ארכיטקטורת Qwen2, שאומן בתקציב של 7,800 דולר בלבד תחת שיטה המשלבת גיוון פתרונות בשלב הלימוד ואופטימיזציה בשלב הלמידה מחיזוקים. המטרה שלו ממוקדת לגמרי, והוא נבנה כדי לבדוק כמה יכולת חשיבה לוגית אפשר לדחוס למשקל קטן.

במבחני ביצועים מתמטיים כמו AIME24 ו־AIME25 הוא עקף את הגרסה הראשונית של DeepSeek R1, שמחזיקה פי 400 יותר פרמטרים ממנו. במבחני קוד של LiveCodeBench הוא קיבל תוצאות שמציבות אותו מעל מודלים בינוניים מוכרים, מה שמראה שרמת ההסקה שלו בבעיות תכנות תחרותי חריגה ביחס לגודל שלו.

מתאים ל

  • פתרון בעיות LeetCode

    מתאים במיוחד להסקה אלגוריתמית תחרותית וכתיבת קוד יעיל באנגלית על חומרה מקומית בסיסית.

  • עוזר מתמטי מקומי

    מציג יכולות פתרון גבוהות במבחני מתמטיקה מורכבים מבלי לשלוח נתונים החוצה לענן.

  • מחקר על מודלים קטנים

    בסיס נוח לבדיקת יכולות הסקה דחוסות בזכות ארכיטקטורה סטנדרטית ורישיון חופשי.

איפה זה נופל

היוצרים מזהירים במפורש לא להשתמש במודל הזה לשום משימה כללית שאינה קוד או מתמטיקה. הוא שוחרר כניסוי לחקר יכולות חשיבה ולא כעוזר רב תכליתי. בנוסף, הוא אומן באנגלית בלבד, כך שאין מה לבנות עליו לפענוח פרומפטים בעברית או לכתיבת תוכן שוטף.

אותה משפחה

VibeThinker יצא ב־2 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

VibeThinker-3B14,733

שאלות
נפוצות

האם כדאי להשתמש בו לפיתוח בוט שיחה או סיכום טקסטים?

לא, המודל לא מתאים למשימות כאלה כלל. המפתחים מדגישים שהוא מיועד אך ורק למתמטיקה ולתכנות תחרותי. לכל שימוש טקסטואלי רגיל הוא יציג ביצועים נחותים מאוד.

האם המודל תומך בפרומפטים בעברית?

הכרטיס מפרט תמיכה באנגלית בלבד, והיוצרים מציינים שהתוצאות הטובות מושגות כששואלים באנגלית. ניסיון לפנות אליו בעברית יוביל לתוצאות פחות טובות או לשגיאות בהבנת הבעיה.

איך מריצים

במשקל של 3.3 גיגה בייט, המודל הזה רץ בקלות על כמעט כל כרטיס מסך ביתי מודרני ואפילו על מחשב נייד חזק בלי צורך בתשתית יקרה. כדי לקבל ביצועים טובים בהסקה, המפתחים ממליצים להריץ אותו דרך vLLM או SGLang, עם תמיכה בספריית transformers מגרסה 4.54.0 ומעלה.

אם אתם צריכים רק לפתור חידות אלגוריתמיות ספציפיות מדי פעם, אין טעם לתחזק שרת ייעודי, אבל בגלל המשקל הקטן אין שום סיבה טכנית להסתמך על API חיצוני. ההרצה המקומית מיידית, זולה ואינה דורשת משאבי ענן מורכבים.

from transformers import pipeline

pipe = pipeline("text-generation", model="WeiboAI/VibeThinker-1.5B")
print(pipe("שלום"))

הקבצים

12 קבצים במאגר, 3.3 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

המודל משוחרר תחת רישיון MIT. המשמעות היא חופש מלא לעשות איתו מה שרוצים, כולל שילוב במוצרים מסחריים, שינוי הקוד והפצה מחדש, בלי תמלוגים או הגבלות שימוש, למעט שמירת הודעת זכויות היוצרים המקורית.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗