昆仑万维发布工业多模态推理模型

昆仑万维公司正式发布了全球首个工业界多模态推理模型，名为 Skywork R1V（简称“R1V”）。该模型拥有38亿参数，其性能已接近著名的闭源模型DeepSeek-R1，并在多个基准测试中表现出色，超越了众多当前的最先进技术（SOTA）。昆仑万维决定开源 R1V，旨在推动技术共享和进步，为全球AI开源社区注入新的活力。

R1V 以其卓越的多模态推理能力而闻名，能够无缝整合文本和视觉信息，展现出强大的智能。具体而言，R1V 在视觉问答任务中与 Claude3.5Sonnet 和 GPT-4o 等闭源模型竞争，并保持了顶级的文本推理能力。在 MMMU 基准测试中，R1V 以69分的高分打破了同等规模模型的新纪录，而在 MathVista 测试中也取得了67.5分的优秀成绩，证明了其在复杂数学推理和逻辑分析方面的强大能力。

R1V 的成功归因于昆仑万维研究团队的多项创新技术。这些技术包括跨模态迁移学习，它有效地将大模型的文本推理能力迁移到视觉模态，显著减少了多模态推理数据的需求。此外，R1V 采用的混合训练策略通过迭代监督微调和强化学习的结合，动态调整思维链长度，从而提高了推理效率。值得一提的是，R1V 还引入了自适应长度思维链蒸馏框架，以避免推理过程中的“过度思考”，显著提升了推理的效率和质量。

随着 R1V 的发布，昆仑万维不仅成为了全球首家开源多模态推理模型的公司，更在推动 AGI（通用人工智能）梦想的实现上迈出了关键的一步。模型的权重、推理代码和技术报告均已公开，任何人都可以通过 GitHub 和 Hugging Face 获取这些资源。