昆仑万维今日正式开源首款工业界多模态思维链推理模型 Skywork R1V,成为中国第一个开源「多模态推理模型」的企业,即日起开源模型权重和技术报告。
据介绍,视觉推理模型是一类能够解决需要思维链(Chain-of-Thought)的视觉任务的模型,通过对视觉信息进行多步逻辑推理与分析,逐步推导出最终结果。这种模型关注图像内容的识别与理解,同时强调通过层层递进的推理路径,实现复杂视觉问题的精准求解,例如视觉逻辑推理、视觉数学问题、图像中的科学现象分析、医学影像的诊断推理等。
在 Reasoning 推理能力方面,Skywork R1V 实现了模型的顶尖逻辑推理与数学分析能力,在权威的 MATH500 和 AIME 基准测试中,Skywork R1V 分别取得 94.0 和 72.0 分;在 Vision 视觉理解能力方面,Skywork R1V 成功地将其文本推理与思维链推导能力迁移到视觉任务中,在 MMMU 与 MathVista 等视觉推理基准中分别取得了 69 和 67.5 分。