VibeThinker-3B 공개: SLM의 수학·코딩 성능 혁신

검증 가능한 추론(Verifiable Reasoning) 능력을 극대화하기 위해 학습된 VibeThinker-3B 모델이 공개되었습니다. 이 모델은 파라미터 규모가 작음에도 불구하고 특정 도메인에서 매우 높은 성능을 보여줍니다.

주요 벤치마크 성능:

• AIME'26: 94.3
• LiveCodeBench v6: 80.2
• IMO-AnswerBench: 76.4
• IFEval: 93.4
• LeetCode: 최근 미공개 컨테스트에서 Python 제출 건수 중 96.1%(128건 중 123건)를 통과

연구진은 이 모델을 통해 파라미터 밀도가 높은 도메인에서 **SLM(Small Language Model)**이 기존의 Scaling Law를 보완하며 프론티어급 추론 능력을 제공할 수 있는 경로를 제시했습니다. 다만, 일반적인 범용 사용 사례에서는 여전히 개선이 필요한 단계입니다.