/ Модель

Характеристики

Лицензия
MIT
Базовая модель
VibeThinker-3B
Библиотека
litert-lm
Опубликована
16 июн 2026

VibeThinker-3B-litert-lm

Генерация текстаТекст → текст7 профессий

VibeThinker-3B LiteRT-LM — это конвертированная версия модели WeiboAI/VibeThinker-3B, разработанная на базе Qwen2.5-Coder-3B.

2 434скачиваний за 30 дней5лайковвеса обновлены15 июл 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Репозиторий Tdamre содержит артефакты для локального инференса на устройствах с использованием LiteRT-LM. Модель представляет собой плотную reasoning-модель примерно на 3 млрд параметров, ориентированную на генерацию текста и решение задач, требующих рассуждений, включая программирование и математические запросы.

Доступны варианты с кэшем контекста на 2048, 4096, 32768 и 65536 токенов, что позволяет выбирать баланс между потреблением ресурсов и поддержкой длинных запросов. Артефакты используют динамическую квантизацию dynamic_wi8_afp32 и рассчитаны на CPU или GPU; в состав входят токенизатор, метаданные LLM, квантизированные TFLite-модели для prefill/decode и внешний embedder. Указанная модальность — текстовая; сведения о поддерживаемых языках в README отсутствуют.

Сильные стороны модели — компактный размер, локальная работа без обязательного обращения к облачным сервисам, варианты для короткого и длинного контекста и совместимость с LiteRT-LM, включая мобильные сценарии. Ограничения связаны с отсутствием готовых Qualcomm SM8750 NPU AOT-артефактов и MediaPipe .task-бандлов, а также с тем, что характеристики качества, скорости и потребления памяти не приведены. Модель и конвертированные артефакты распространяются по лицензии MIT.

Для каких профессий подходит7

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

VibeThinker-3B LiteRT-LM

This repository contains LiteRT-LM conversions of WeiboAI/VibeThinker-3B for local on-device inference.

VibeThinker-3B is a 3B-parameter dense reasoning model built on Qwen2.5-Coder-3B. These artifacts were exported from the Hugging Face safetensors checkpoint with LiteRT Torch and packaged as .litertlm files for the LiteRT-LM runtime.

Files

FileContext cacheQuantizationBackend targetStatus
VibeThinker-3B.litertlm4096dynamic_wi8_afp32CPU/GPUExported and template-repaired.
VibeThinker-3B-c32k.litertlm32768dynamic_wi8_afp32CPU/GPULong-context export (32k cache). Host-packaged with mobile template.
VibeThinker-3B-c64k.litertlm65536dynamic_wi8_afp32CPU/GPULong-context export (64k cache). Host-packaged with mobile template.
VibeThinker-3B-web.litertlm2048dynamic_wi8_afp32CPU/GPUExported, template-repaired, and host CPU smoke-tested.
chat_template.jinjan/an/an/aMobile-safe ChatML template. Replaces the source tool-call template that fails in Android LiteRT-LM template evaluation.
conversion_manifest.jsonn/an/an/aToolchain versions, hashes, and conversion details.

The CPU/GPU .litertlm files include a compressed Hugging Face tokenizer, LLM metadata, a quantized prefill/decode TFLite model, and a quantized external embedder.

Run With LiteRT-LM

Install the LiteRT-LM CLI:

uv tool install litert-lm

Run the generic artifact:

litert-lm run \
  --from-huggingface-repo Tdamre/VibeThinker-3B-litert-lm \
  VibeThinker-3B.litertlm \
  --backend=cpu \
  --prompt="What is 17 * 3? Answer with just the number."

Run the lower-cache artifact:

litert-lm run \
  --from-huggingface-repo Tdamre/VibeThinker-3B-litert-lm \
  VibeThinker-3B-web.litertlm \
  --backend=cpu \
  --prompt="What is 2+2? Answer with just the number."

Run the 32k-context artifact:

litert-lm run \
  --from-huggingface-repo Tdamre/VibeThinker-3B-litert-lm \
  VibeThinker-3B-c32k.litertlm \
  --backend=cpu \
  --prompt="What is 17 * 3? Answer with just the number."

Run the 64k-context artifact:

litert-lm run \
  --from-huggingface-repo Tdamre/VibeThinker-3B-litert-lm \
  VibeThinker-3B-c64k.litertlm \
  --backend=cpu \
  --prompt="What is 2+2? Answer with just the number."

Conversion Summary

Source model revision:

WeiboAI/VibeThinker-3B@0c7115fdd0957b3da0f2a0829ab1763969d30300

CPU/GPU conversion command pattern:

litert-torch export_hf \
  model-cache/WeiboAI-VibeThinker-3B \
  <output_dir> \
  --keep_temporary_files=True \
  --prefill_lengths=128,1024 \
  --cache_length=<2048-or-4096-or-32768-or-65536> \
  --externalize_embedder=True \
  --quantization_recipe=dynamic_wi8_afp32

Toolchain:

Python 3.12.12
litert-torch 0.9.1
litert-lm 0.13.1
ai-edge-litert 2.1.5
ai-edge-quantizer 0.7.0
torch 2.12.0+cu130
transformers 5.9.0

Not Included

  • Qualcomm SM8750 NPU AOT artifacts were not produced in this initial pass.
  • MediaPipe .task bundles were not uploaded because VibeThinker-3B ships an HF tokenizer.json rather than a SentencePiece tokenizer.model.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · litert-lm

Нельзя запустить

Библиотека «litert-lm» рантаймом не поддерживается.

Ревизия весов
9378fdd

0 моделей