何が起きたか
Sinaがオープンモデル「VibeThinker-3B」をHugging FaceとGitHubで公開しました。ベースはAlibabaのQwen2.5-Coder-3Bで、Sinaの貢献は事前学習後のポストトレーニングにあります。
数学・コーディングの6ベンチマークで、Gemini 3 Pro、GLM-5、Claude Opus 4.5など現行トップ5モデルの性能帯に入りました。LiveCodeBenchでは200億パラメータ未満のモデルすべてを上回り、IMO-AnswerBenchではDeepSeek V3.2、GLM-5、Kimi K2.5にほぼ並んでいます。一方、知識量を問うGPQA-Diamondでは大型モデルに大きく後れを取りました。
データ汚染を排除した検証
研究チームは学習終了後の2026年4月下旬〜5月下旬に開催されたLeetCodeコンテストにモデルを参加させ、128問中123問を一発で正解させました。この成績はGPT-5.2、Qwen3-Max、Kimi K2.5、Claude Opus 4.6を上回り、GPT-5.3-Codex、Gemini 3.1 Pro、Gemini 3 Flashにのみ及ばないという水準です。
パラメトリック圧縮・カバレッジ仮説
Sinaは「Parametric Compression-Coverage Hypothesis」を提唱しました。論理推論は探索・条件確認・誤り修正・中間結果の統合といった少数の繰り返しパターンに帰着するため、小さな核に圧縮できる。一方で世界知識はファクトの広い被覆を必要とし、相応のパラメータ数が要る——というものです。
ポストトレーニングは、数学・コード・対話のSFT、難問への特化、数学→プログラミング→STEMの逐次強化学習、自己蒸留、最後に指示遵守の順で組み立てられました。微調整段階で多様な解法経路を意図的に広げ、強化学習で当たり筋だけを強化する設計です。
小型モデルの潮流
AlibabaのQwen3.6-27Bは4月、15倍の前世代モデルを全コーディングベンチで上回りました。Abu DhabiのFalcon H1R 7Bも、2〜7倍規模のモデル水準に達したと報告されています。小型モデルを「廉価版推論」ではなく独立した研究路線と位置付ける流れが鮮明になっています。
💼 事業会社視点：これは自社にどう効くか
日本の事業会社、とりわけSaaS・受託開発・社内AI基盤を持つEC事業者にとって、今回の結果は「コーディング系AIエージェントの内製・自社ホストが現実的フェーズに入った」ことを意味します。LiveCodeBenchで20B未満を全制覇する3Bモデルが公開ライセンスで降ってくるなら、コード生成・レビュー補助・テスト生成といった検証可能タスクは、フロンティアAPI課金を前提にする必要が薄れます。
一方、GPQA-Diamondでの劣後は読み違えてはいけません。法務QA、医療・金融の専門知識回答、社内ナレッジ検索など知識被覆が要るユースケースは、依然として大型モデル＋RAGが正解です。役員が今打つべき手は、AI投資ポートフォリオを「推論（小型・自社）」と「知識（大型・API）」の二層に分解し、ベンダーロックインのリスクと自社GPU運用の総コストを並べて再評価することです。受託開発企業は、3B級モデルを使った検証可能タスク特化のエージェント開発を、フロンティアAPIラッパーから差別化する次の商材として早めに仕込む価値があります。
