3 月 18 日消息，昆侖萬維今日正式開源首款工業界多模態思維鏈推理模型 Skywork R1V，成為中國第一個開源「多模態推理模型」的企業，即日起開源模型權重和技術報告。

模型權重下載

Hugging Face：https://huggingface.co/Skywork/Skywork-R1V-38B

GitHub：https://github.com/SkyworkAI/Skywork-R1V

據介紹，視覺推理模型是一類能夠解決需要思維鏈（Chain-of-Thought）的視覺任務的模型，通過對視覺信息進行多步邏輯推理與分析，逐步推導出最終結果。這種模型關注圖像內容的識別與理解，同時強調通過層層遞進的推理路徑，實現復雜視覺問題的精準求解，例如視覺邏輯推理、視覺數學問題、圖像中的科學現象分析、醫學影像的診斷推理等。

在 Reasoning 推理能力方面，Skywork R1V 實現了模型的頂尖邏輯推理與數學分析能力，在權威的 MATH500 和 AIME 基準測試中，Skywork R1V 分別取得 94.0 和 72.0 分；在 Vision 視覺理解能力方面，Skywork R1V 成功地將其文本推理與思維鏈推導能力遷移到視覺任務中，在 MMMU 與 MathVista 等視覺推理基準中分別取得了 69 和 67.5 分。

昆侖萬維稱 Skywork R1V 模型擁有三項關鍵技術創新，附如下：

昆侖萬維團隊首次提出利用 Skywork-VL 的視覺投影器，無需重新訓練語言模型和視覺編碼器，即可實現文本推理能力的高效遷移到視覺任務，同時保留了優秀的原本推理文本能力（AIME 72.0，MATH500 94.0）。

多模態混合式訓練（Iterative SFT+GRPO）

通過結合迭代監督微調（Iterative SFT）和 GRPO 強化學習，分階段對齊視覺-文本表征，實現跨模態任務的高效融合，極大提升跨模態任務的表現。推動模型在 MMMU 基準達到 69 分的能力，同時在 MathVista 達到 67.5 分，與更大規模的閉源模型基本持平。通過反復迭代地利用高質量數據與高難度數據的組合，實現模型持續的知識鞏固與錯誤糾正，顯著提升了多模態推理的精度與泛化性能。

▲ 多模態混合式訓練（Skywork R1V 技術報告）自適應長度思維鏈蒸餾

團隊提出了一種基于視覺-文本復雜度的自適應推理鏈長度控制機制，動態優化模型推理過程，避免模型“過度思考”，提升推理效率。結合多階段自蒸餾策略，進一步提升了數據生成與推理過程的質量，促進了模型在復雜多模態任務中的表現。

▲ 自適應長度思維鏈蒸餾（Skywork R1V 技術報告）