VibeThinker-3B
Weibo AI · China · veröffentlicht 17. Juni 2026
Ein Reasoning-Spezialist mit nur 3 Milliarden Parametern, der bei Mathematik und Programmierung Werte deutlich größerer Modelle erreicht und mit rund 6 GB auf einer einzelnen Grafikkarte läuft.
Modell auf Hugging Face ansehenBewertung im Detail
Gesamtnote aus drei gewichteten Dimensionen. Wie wir bewerten
Fähigkeitsprofil
Wo VibeThinker-3B stark ist, über sechs Säulen auf einer Skala von 0 bis 100. Die gestrichelte Linie ist der Median aller 24 Modelle im Vergleich. Wie die Säulen entstehen
| Säule | Wert | Grundlage |
|---|---|---|
| Programmierung | 80 | benchmarkbelegt |
| Mathematik & Logik | 94 | benchmarkbelegt |
| Wissen | 64 | benchmarkbelegt |
| Deutsch & Sprache | 55 | redaktionelle Einschätzung |
| Agentik & Werkzeuge | 55 | redaktionelle Einschätzung |
| Langer Kontext | 48 | redaktionelle Einschätzung |
Stärkste Säule: Mathematik & Logik. Belegte Werte stammen aus den dokumentierten Benchmarks unten (baseline-korrigiert normalisiert), mit „Einschätzung" markierte Säulen sind eine redaktionelle Einordnung, weil kein vergleichbarer Benchmark vorlag. Details zur Methodik stehen auf der Übersichtsseite.
Steckbrief
- Architektur
- dicht
- Parameter
- 3 Mrd. (dicht, alle aktiv)
- Kontextfenster
- 64K TokenTrainingsfenster 64K, generiert bis rund 100K Token. Auf Basis Qwen2.5-Coder-3B.
- Lizenz
- MIT
- Eingabe
- Text
- Lokaler Betrieb
- Eine GPU (ab 6 GB; INT4 ~1,7 GB)
- Bei EU-Hostern
- SeltenKein Hersteller-Cloud-Dienst, reines Self-Hosting
Nachtrainiert auf Basis von Qwen2.5-Coder-3B.
Benchmarks
Die folgenden Werte sind Hersteller-Angaben. Eine unabhängige Verifikation lag zum Stand dieser Seite nicht vor.
VibeThinker-3B ist ein Reasoning-Modell mit nur 3 Milliarden Parametern, das auf Mathematik-Wettbewerben mit Modellen mithält, die ein Vielfaches an Parametern haben. Es entstand durch ein spezielles Nachtraining auf Basis des offenen Qwen2.5-Coder-3B und ist auf Aufgaben ausgelegt, bei denen sich die Antwort eindeutig prüfen lässt: Mathematik, Programmierung und naturwissenschaftliche Probleme mit klarer Lösung. Auf AIME 2026 erreicht es 94,3, auf HMMT 2025 kommt es auf 89,3 und auf LiveCodeBench v6 auf 80,2.
Die Gewichte stehen unter MIT-Lizenz und benötigen in voller Genauigkeit rund 6 GB Grafikspeicher, in komprimierter Form (INT4) etwa 1,7 GB. Damit läuft das Modell auf einer einzelnen Consumer-Grafikkarte ohne Server-Infrastruktur. Wichtig zur Einordnung: Es ist ein Spezialist. Für offene Wissensfragen empfehlen die Entwickler ausdrücklich größere Modelle, und eine deutschsprachige Optimierung gibt es nicht. Einen Hersteller-Cloud-Dienst gibt es nicht, der Standardweg ist der Eigenbetrieb, was das Modell für sensible, prüfbare Aufgaben DSGVO-konform macht.
Stärken
- +MIT-Lizenz, läuft mit rund 6 GB (INT4 ~1,7 GB) auf einer GPU
- +Mathematik auf dem Niveau hundertfach größerer Modelle (AIME 94,3)
- +Starke Coding-Werte (LiveCodeBench v6 80,2)
Grenzen
- −Spezialist für prüfbare Aufgaben, für offene Wissensfragen ungeeignet
- −Keine deutschsprachige Optimierung
- −Kein Hersteller-Cloud-Dienst, reines Self-Hosting
Quelle: Offizielle HF-Modellkarte WeiboAI/VibeThinker-3B, Juni 2026. Stand der Recherche: 17. Juli 2026. Die Prozent-Bewertung ist eine redaktionelle Einschätzung von gewusst:KI.
Lokale KI im eigenen Unternehmen aufbauen
Wir begleiten die Auswahl des passenden Modells, die Hardware-Planung und den Betrieb, lokal oder bei einem europäischen Hoster. Einen Einstieg bietet unser Workshop zu lokaler KI oder ein direktes Gespräch.