뉴스 - 원문 기반 요약 필요

---

title: "3B 모델이 수학·코딩에서 333배 큰 모델과 동급" description: "뉴스 - 원문 기반 요약 필요" date: 2026-06-29 tags: [vibe-coding] source: "https://the-decoder.com/sinas-open-model-vibethinker-3b-aims-to-show-reasoning-compresses-well-but-factual-knowledge-doesnt/" sidebar: order: 0

제목(한글): 3B 모델이 수학·코딩에서 333배 큰 모델과 동급 원문 제목(영문): Sinas open model VibeThinker-3B aims to show reasoning compresses well but factual knowledge doesnt 원문: Sinas open model VibeThinker-3B aims to show reasoning compresses well but factual knowledge doesnt 소스: the-decoder MD 파일: content/2026-06-29/the-decoder-sina-039-s-open-model-vibethinker-3b-aims-to-show-.md

핵심 내용

중국 웨이보 모회사 Sina가 30억 파라미터 소형 모델 VibeThinker-3B를 공개했어요. 수학·코딩 벤치마크에서 DeepSeek V3.2(671B), Kimi K2.5(1T)와 동등한 성능을 보였거든요.

핵심은 '추론은 압축되지만 지식은 압축되지 않는다'는 가설이에요. 수학 올림피아드나 코딩 챌린지처럼 검증 가능한 구조적 과제에서는 대형 모델과 어깨를 나란히 하는데, 지식 기반 벤치마크 GPQA-Diamond에서는 확연히 뒤처졌거든요.

LiveCodeBench 기준으로 200억 파라미터 미만 모델 중 1위를 기록했고, IMO-AnswerBench에서는 76.4점을 받아 671B짜리 DeepSeek V3.2 수준이에요.

추론 능력은 파라미터 수가 아니라 학습 방식의 문제일 수 있다는 걸 보여주는 실험이에요.

잡돌쌤의 한마디

수학·코딩 추론은 소형 모델로 압축 가능하지만, 사실적 지식은 파라미터 수에 여전히 의존해요. 추론과 지식은 다르게 스케일한다는 게 이번 실험의 핵심이에요.

---

출처: Sinas open model VibeThinker-3B aims to show reasoning compresses well but factual knowledge doesnt