GPT
הוספת כלי
V

VibeThinker-3B

קוד פתוח

WeiboAImit2026-06-12

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

מודל קומפקטי של 3.1 מיליארד פרמטרים שמתמקד כולו בהסקה לוגית, חישובים וקוד. הוא נבנה במיוחד לפתרון בעיות קשות שיש להן תשובה ברורה שניתן לאמת.

  • 3.1Bפרמטרים
  • 131,072טוקנים בהקשר
  • 5.8 GBמשקל הקבצים
  • 14,733הורדות בחודש

מה זה

מדובר במודל שמבוסס על ארכיטקטורת Qwen2 ומכוון בדיוק לנקודה שבה מודלים קטנים בדרך כלל נשברים, חשיבה רב-שלבית ובדיקה עצמית. במקום לנסות לדעת הכל על העולם, הוא עבר אימון ייעודי ואופטימיזציה מבוססת חיזוקים לפתרון בעיות במתמטיקה, תכנות ומדעים מדויקים. המטרה כאן היא להביא יכולות של מודלי ענק למשקל נוצה, כל עוד המשימה מוגדרת היטב וניתנת לאימות.

במבחנים שמציגים היוצרים שלו, המספרים חריגים לגודל הזה. במבחן IMO-AnswerBench ברמת אולימפיאדה הוא מגיע לציון של 76.4, ועם מנגנון בדיקה נוסף בזמן ריצה הוא מטפס ל־80.6, תוצאות שמתחרות במודלים של מאות מיליארדי פרמטרים. באתגרי תכנות שבועיים של LeetCode הוא רשם 96.1 אחוזי הצלחה בריצה ראשונה, עם 123 פתרונות נכונים מתוך 128 שאלות חדשות.

מתאים ל

  • פתרון בעיות אלגוריתמיות

    הוא מיועד לכתיבת קוד בסגנון תחרויות ותיקון שגיאות באלגוריתמים מורכבים.

  • עוזר לתרגילי מתמטיקה

    מבצע הסקה לוגית רב-שלבית לפתרון הוכחות ומשוואות עם פתרון סופי ברור.

  • הרצה מקומית על לפטופ

    נכנס בקלות לזיכרון של כרטיס גרפי צנוע בלי תלות ברשת או תשלום לענן.

איפה זה נופל

היוצרים מזהירים במפורש שהוא לא אומן להפעלת כלים חיצוניים, שימוש ב־APIs או סוכני תכנות אוטונומיים. הוא לא מתאים לידע כללי פתוח, שיחות חולין או הבנת הקשרים תרבותיים רחבים, והוא מוגדר לשפה האנגלית בלבד. בנוסף, בעיות מתמטיות קיצוניות דורשות שרשראות חשיבה ארוכות מאוד של עשרות אלפי טוקנים כדי להגיע לתשובה נכונה.

אותה משפחה

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

VibeThinker-1.5B11,546

שאלות
נפוצות

האם כדאי להשתמש בו לפיתוח סוכן שיכתוב פרויקט שלם?

לא, המפתחים מדגישים שהוא לא אומן לעבודה מול כלים, קריאות API או פעולות אוטונומיות במערכת. הוא מבריק בפתרון בעיית תכנות ממוקדת של פונקציה אחת, אבל ייכשל בניהול סביבת פיתוח.

איך כדאי להגדיר את הפרמטרים בריצה כדי לקבל תוצאות טובות?

לפי ההנחיות הטכניות, מומלץ להריץ עם טמפרטורה של 1.0 וערך top_p של 0.95. אם הבעיה קשה במיוחד, תצטרכו לאפשר חלון פלט רחב מאוד כדי לתת לו מקום לפתח את כל שלבי החשיבה.

איך מריצים

במשקל של 5.8 גיגה-בייט בדיוק של bfloat16, אפשר להריץ אותו בקלות על כרטיס מסך בודד עם 8 עד 12 גיגה זיכרון, כמו כרטיסים ביתיים פשוטים. ההרצה נעשית דרך transformers מגרסה 4.54.0 ומעלה, או בעזרת ספריות כמו vLLM ו־SGLang אם אתם רוצים ביצועים מהירים יותר.

אם אתם צריכים רק לבדוק תרגילים מדי פעם, קריאה למודל גדול דרך ספק ענן תחסוך לכם תחזוקה. מצד שני, הגודל הזעיר שלו הופך אותו למועמד טבעי לעבודה מקומית באופליין או על שרת פנימי זול, בלי לשלם על כל טוקן שיוצא.

from transformers import pipeline

pipe = pipeline("text-generation", model="WeiboAI/VibeThinker-3B")
print(pipe("שלום"))

הקבצים

19 קבצים במאגר, 5.8 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

רישיון MIT פתוח ומתירני. מותר להשתמש בו לצרכים מסחריים, לשנות אותו ולהפיץ אותו בתוך מוצר סגור, בלי דרישה לפתוח את הקוד שלכם, כל עוד שומרים על הודעת זכויות היוצרים המקורית.

  • שימוש מסחרי
  • שינוי הקוד
  • הפצה מחדש

הרישיון המלא בעמוד המודל ↗