11月18日，微博发布首个自研开源大模型VibeThinker。这款仅15亿参数的轻量级模型，在国际顶级数学竞赛基准测试中击败了参数量高达6710亿的DeepSeek R1模型。VibeThinker单次“后训练”成本仅7800美元，相较DeepSeek-R1和MiniMax-M1等模型，成本降低几十倍，展现了高效性能与经济性。这一成果标志着微博在人工智能领域的突破，为行业提供更具性价比的开源解决方案。（澎湃新闻）

2025年11月，微博发布自研开源大模型VibeThinker，仅15亿参数却在数学竞赛基准测试中超越6710亿参数的DeepSeek-R1模型。其单次训练成本仅7800美元，较行业普遍几十万美元的成本降低30-60倍，为AI产业带来效率革命。VibeThinker通过创新的“频谱到信号原理”（SSP）方法，在AIME、HMMT等高难度数学测试及编程算法题中表现优异，证明小模型也能媲美巨型模型。目前版本专注于数学与代码任务，暂不适合作为日常聊天工具。微博计划将VibeThinker融入其AI生态，推动智搜、评论罗伯特等产品升级，同时大幅降低AI应用成本，助力中小型企业参与AI创新，促进技术普惠化。

新浪微博于11月13日发布其首个开源大模型VibeThinker-1.5B，参数量仅15亿，却通过创新的“频谱到信号原理”（SSP）训练方法，在多个高难度测试集中表现优异。该模型在数学和编程算法测试中超越参数量远超自身的巨量模型，如DeepSeek-R1-0120（6710亿参数），并接近4560亿参数的MiniMax-M1。其训练成本不足8000美元，远低于行业水平，降低了几十倍。VibeThinker-1.5B的开源旨在为资源有限的企业与高校提供高性价比研发路径，推动技术普惠。项目已上线GitHub、HuggingFace等平台。