KakTakOne/VibeThinker-3B-GGUF

This repository contains GGUF format model files for WeiboAI/VibeThinker-3B.

VibeThinker-3B is a 3-billion-parameter dense reasoning model designed for verifiable reasoning tasks like mathematics, competitive programming, and STEM.

Читать описание на русском языке (Russian Description)

KakTakOne/VibeThinker-3B-GGUF

В этом репозитории содержатся файлы моделей в формате GGUF для WeiboAI/VibeThinker-3B.

VibeThinker-3B — это модель рассуждений (reasoning model) с 3 миллиардами параметров, сфокусированная на сложных задачах рассуждения с проверяемыми результатами, таких как математика, программирование и STEM.

Доступные кванты

Имя файла	Тип кванта	Размер файла	Ссылка
VibeThinker-3B-f16.gguf	FP16	6.18 ГБ	Скачать
VibeThinker-3B-Q8_0.gguf	Q8_0	3.29 ГБ	Скачать
VibeThinker-3B-Q5_K_M.gguf	Q5_K_M	2.22 ГБ	Скачать
VibeThinker-3B-Q4_K_M.gguf	Q4_K_M	1.93 ГБ	Скачать

---

Введение

VibeThinker-3B продолжает развитие серии моделей рассуждения VibeThinker на масштабе 3 миллиардов параметров. Благодаря оптимизации пайплайна обучения Spectrum-to-Signal Principle (SSP), модель демонстрирует выдающиеся результаты на бенчмарках AIME, HMMT, IMO-AnswerBench, LiveCodeBench и недавних контестах LeetCode, приближаясь по качеству к флагманским коммерческим моделям рассуждения вроде Qwen3.6 Plus, Gemini 3 Pro, GLM-5 и Kimi K2.5.

Ключевые показатели производительности

• 📏 Модель набирает 76.4 на сложном бенчмарке IMO-AnswerBench (400 олимпиадных задач уровня IMO) с использованием всего 3 млрд параметров, и улучшает результат до 80.6 с применением CLR (Claim-Level Reliability Assessment) на этапе инференса. Это сопоставимо с показателями гораздо более крупных моделей, таких как DeepSeek V3.2 (78.3, 671B), GLM-5 (82.5, 744B) и Kimi K2.5 (81.8, 1T).
• 🏆 На еженедельных и двухнедельных соревнованиях LeetCode (Python) за период с 25 апреля по 31 мая 2026 года модель успешно прошла 123 из 128 тестов с первой попытки (доля успешных решений составляет 96.1%).

Пайплайн обучения

Обучение VibeThinker-3B основано на методологии Spectrum-to-Signal Principle (SSP):

1. Curriculum SFT в два этапа: сначала общая кодовая и математическая база, затем сложные рассуждения с длинным контекстом.
2. Multi-domain RL с алгоритмом MaxEnt-Guided Policy Optimization (MGPO) в окне контекста 64K.
3. Офлайн дистилляция на себя (Self-Distillation) для отбора лучших траекторий рассуждений.
4. Instruct RL для улучшения управляемости и форматирования ответов под пользователя.

---

Как использовать

Эти файлы GGUF можно запускать в LM Studio, Ollama, llama.cpp и других совместимых клиентах.

LM Studio

Просто вбей в строку поиска KakTakOne/VibeThinker-3B-GGUF и скачай нужный квант.

Запуск через консоль (llama.cpp)

llama-cli -m VibeThinker-3B-Q4_K_M.gguf -p "2+2=" -n 128

---

Available Quantizations

File Name	Quant Type	File Size	File Link
VibeThinker-3B-f16.gguf	FP16	6.18 GB	Download
VibeThinker-3B-Q8_0.gguf	Q8_0	3.29 GB	Download
VibeThinker-3B-Q5_K_M.gguf	Q5_K_M	2.22 GB	Download
VibeThinker-3B-Q4_K_M.gguf	Q4_K_M	1.93 GB	Download

---

Introduction

VibeThinker-3B is a further exploration of the VibeThinker series at the 3B-parameter scale, focusing on challenging reasoning tasks with clear verification signals, such as mathematics, coding, and STEM. By systematically optimizing the Spectrum-to-Signal Principle (SSP) post-training pipeline introduced in VibeThinker-1.5B, VibeThinker-3B achieves strong performance on AIME, HMMT, IMO-AnswerBench, LiveCodeBench, and recent LeetCode contests, reaching the performance range of top-tier frontier reasoning models, including Qwen3.6 Plus, Gemini 3 Pro, GLM-5, and Kimi K2.5, on verifiable reasoning benchmarks.

Key Performance Data

• 📏 In terms of reasoning accuracy relative to model scale, VibeThinker-3B reaches 76.4 on IMO-AnswerBench, a highly challenging benchmark with 400 IMO-level problems, with only 3B parameters, and improves to 80.6 with Claim-Level Reliability Assessment (CLR), a test-time scaling strategy. This demonstrates that a model within a strictly small-model regime can reach the performance range of substantially larger models, such as DeepSeek V3.2 (78.3, 671B), GLM-5 (82.5, 744B), and Kimi K2.5 (81.8, 1T).
• 🏆 To further test the model's out-of-distribution performance, it was evaluated on recent unseen LeetCode weekly and biweekly contests (Python) from Apr. 25 to May 31, 2026. VibeThinker-3B passes 123/128 first-attempt submissions, corresponding to a 96.1% acceptance rate.

Training Pipeline

VibeThinker-3B follows the Spectrum-to-Signal Principle (SSP). The SFT stage constructs a broad spectrum of valid reasoning trajectories, while the RL stage amplifies correct reasoning signals using verifiable rewards:

1. Curriculum-based two-stage SFT (Stage 1: broad capability coverage, Stage 2: harder/longer samples).
2. Multi-domain Reasoning RL using MaxEnt-Guided Policy Optimization (MGPO) with a 64K context window.
3. Offline Self-Distillation using a learning-potential score to distill high-quality trajectories back into a student model.
4. Instruct RL to improve format controllability on user-facing prompts.

---

How to use

You can load these GGUF files in LM Studio, Ollama, llama.cpp, or any other GGUF-compatible inference engine.

LM Studio

Search for KakTakOne/VibeThinker-3B-GGUF directly in LM Studio search bar and download the desired quantization.

CLI (llama.cpp)

llama-cli -m VibeThinker-3B-Q4_K_M.gguf -p "2+2=" -n 128

Citations & References

@misc{xu2026vibethinker3bexploringfrontierverifiable,
      title={VibeThinker-3B: Exploring the Frontier of Verifiable Reasoning in Small Language Models}, 
      author={Sen Xu and Shixi Liu and Wei Wang and Jixin Min and Yingwei Dai and Zhibin Yin and Yirong Chen and Xin Zhou and Junlin Zhang},
      year={2026},
      eprint={2606.16140},
      archivePrefix={arXiv},
      primaryClass={cs.AI},
      url={https://arxiv.org/abs/2606.16140}, 
}

---

Quantized by KakTakOne using llama-quantize.