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。
模型权重下载
Hugging Face：https://huggingface.co/Skywork/Skywork-R1V-38B
GitHub：https://github.com/SkyworkAI/Skywork-R1V
详细技术报告
https://github.com/SkyworkAI/Skywork-R1V/blob/main/Skywork_R1V.pdf
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。
昆仑万维称 Skywork R1V 模型拥有三项关键技术创新，AI在线附如下：
文本推理能力的多模态高效迁移
昆仑万维团队首次提出利用 Skywork-VL 的视觉投影器，无需重新训练语言模型和视觉编码器，即可实现文本推理能力的高效迁移到视觉任务，同时保留了优秀的原本推理文本能力（AIME 72.0，MATH500 94.0）。
多模态混合式训练（Iterative SFT+GRPO）
通过结合迭代监督微调（Iterative SFT）和 GRPO 强化学习，分阶段对齐视觉-文本表征，实现跨模态任务的高效融合，极大提升跨模态任务的表现。推动模型在 MMMU 基准达到 69 分的能力，同时在 MathVista 达到 67.5 分，与更大规模的闭源模型基本持平。通过反复迭代地利用高质量数据与高难度数据的组合，实现模型持续的知识巩固与错误纠正，显著提升了多模态推理的精度与泛化性能。
▲ 多模态混合式训练（来源：Skywork R1V 技术报告）
自适应长度思维链蒸馏
团队提出了一种基于视觉-文本复杂度的自适应推理链长度控制机制，动态优化模型推理过程，避免模型“过度思考”，提升推理效率。结合多阶段自蒸馏策略，进一步提升了数据生成与推理过程的质量，促进了模型在复杂多模态任务中的表现。
▲ 自适应长度思维链蒸馏（来源：Skywork R1V 技术报告）
