tested environment

[aiscool007]

tested environment

• 模型：VibeThinker-1.5B（HuggingFace 版本，bf16 精度）
• 硬件：RTX 4090 24 GB / Driver 535 / CUDA 12.1
• 推理框架：transformers 4.46 + vLLM 0.6.1（temperature 0.3 – 0.6）

任务尝试

1. 生成一份「微积分教学动画网页」单文件 HTML（≤400 行，纯 CSS/JS，无外部库）。
2. 要求包含链式思考叙述 + 3 组可交互动画（导数、积分、瞬时速度）。

观察到的问题

1. 长链式思维 <think> 极易陷入无限重复（token >200 仍无法跳出），导致 0 行代码输出。
2. 即使显式指令“Stop thinking, output only final HTML”，仍多次卡在 but but we we … 类复读，需人工强制中断。
3. Pass@1 实用度 ≈ 0；连续 10 次采样全部失败，无法得到可运行文件。
4. 同样提示词换 Claude-3.5-Sonnet / DeepSeek-Coder-V2 可一次生成可用代码，侧面排除提示词设计问题。

建议

• 建议在 repo 文档里明确适用边界：VibeThinker 当前擅长短链数学/代码解题（AIME、LiveCodeBench），不擅长长格式、单文件多媒体网页等长链式生成任务。
• 可考虑放出「截断思维链」或「思维链最大长度」超参，方便用户强制提前结束推理进入生成。
• 若后续版本仍保持 1.5 B，可在 RL 阶段增加「长格式生成不掉线」数据混合，或提供 7 B/14 B 版本供多媒体/文档场景使用。

正面评价

• 小模型在数学、算法场景确实惊艳，性价比无敌；只是希望社区提前知道「能力边界」，减少试错成本。

---

以上反馈供作者们参考，感谢开源！

[ohhyeeaah]

感谢体验 VibeThinker！ 目前它专注于处理复杂的数学问题和竞技编程基准测试，因此它倾向于“过度思考”，展示大量的中间推理过程，而不是给出简短易懂的答案。我们还没有真正优化长答案到短答案的压缩。此次发布主要是一个研究演示，旨在展示小型模型也能达到与大型模型相当的推理能力。一旦我们对这个结果感到满意，我们将着手开发一个更简洁、更易于理解的版本。
首先针对您提到的前端问题，我们的模型没有前端相应的能力，因此可能不能满足您的需求，但我们观察到有用户能使用它写js（https://pastecode.io/s/w1w0zgwr ），您也可以试一下！
再者针对您提到的第一个建议，我们已在huggingface repo里强调了使用场景的限制，第二个建议您可以尝试修改一下prompt让它直接给答案（我们已观测到有用户在数学问题上取得了类似效果），最后一个建议也对我们很有启发，后续也会做出相应调整。
再次感谢！