DeepSeek-R1 问世后，我们一直在期待能「强推理、慢思考」的大模型进化成多模态模式。如果能在视觉等各领域复刻强化学习（RL）在文本上的突破，AI 应用势必会将更多领域推入新的范式。
毫无疑问，这也是众多科技公司正在探索的方向。
3 月 18 号，昆仑万维正式发布 Skywork R1V（以下简称 R1V）系列模型，实现了 SOTA 级别的视觉推理和强大的通用推理能力。随着新模型的到来，昆仑万维成为了
国内第一家开源多模态思维链推理模型的企业
。
目前，昆仑万维已经开源了 R1V 的模型权重和技术报告。
-
Hugging Face 地址：https://huggingface.co/Skywork/Skywork-R1V-38B
-
Github 地址：https://github.com/SkyworkAI/Skywork-R1V
-
技术报告地址：https://github.com/SkyworkAI/Skywork-R1V/blob/main/Skywork_R1V.pdf
具体表现如何呢？从多项基准测试来看，R1V-38B 相比较文本推理模型，已经在数学推理、代码生成等任务中达到了领先水平，在部分任务上接近了更大尺寸的闭源模型。相比较传统多模态模型（如 OpenAI 4o、Claude 3.5 Sonnet），R1V 的推理能力更是遥遥领先，相比多模态开源大模型 DeepSeek V3 也有所提升。
在推理能力方面，R1V-38B 同样可以达到顶尖水平。在权威的 MATH500 和 AIME 数学推理基准测试中，R1V 分别取得了 94.0 和 72.0 的高分，并在逻辑推理和数学问题求解上展现出了人类专家级水准，从而在行业内众多主流模型中脱颖而出。
而在视觉能力方面，R1V 成功实现了强文本推理能力的多模态迁移，在视觉推理任务上表现出色，凭借着创新的跨模态迁移技术与优化框架，R1V 在 MMMU 与 MathVista 等视觉推理基准中分别取得了 69 和 67.5 的成绩，不仅超越了多个开源竞品模型，更达到了与更大规模闭源模型媲美的水准。
更值得关注的是，
R1V 成为全球范围内首个在数学推理能力上接近 OpenAI o1 的开源多模态模型
。
最近一段时间，DeepSeek 的突破让我们看到了在大模型上引入强化学习的潜力。现在，昆仑万维的实践似乎也已经给多模态打开了方向。
多模态喜获「强推理」
AI 应用格局打开
昆仑万维表示，R1V 视觉推理模型可以同时处理文本与视觉信息，拥有强大的跨模态推理能力，可轻松应对复杂的逻辑推理、数学问题、科学分析以及医学影像诊断等场景。
因为多模态 + 强推理的能力，大模型「睁开了眼睛」，因此也拓展了一大堆新的应用方向。
我们搜罗了一些不同学科（包括数学、化学、医学等）的题目，对 R1V 的解题推理能力来了一波考察。
先来一道 2025 考研数学题目：
很快，R1V 的完整解题思路和正确答案就展现了在我们面前：
接着让 R1V 分析下图化学分子式描述的是哪种立体几何构型：
这类题目要求多模态推理模型熟练、准确地判断、区分各类化学分子图，经过了抽丝剥茧的推理过程，R1V 给出了正确答案。
R1V 的知识面还不止于此，它甚至还略懂医学影像，看看它是如何诊断这张 CT 图片的。当然，分析结果仅供参考，最终的诊断和治疗还是要交给医生，由他们根据实际情况来做出。
最后，我们还测试了 R1V 的其他视觉推理能力，比如柱状图的数值分析：
可见，无论是数学等不同学科的一般性问题，还是一些更需要「眼力见」的视觉场景，R1V 都可以应付自如。
三大核心技术创新
让开源视觉思考模型成功「上位」
为什么到了 R1V 的程度，多模态上的强推理就能跑通了？在 R1V 发布的技术报告中，我们可以了解到其中的技术创新。
视觉多模态的特殊性决定了其推理与数学、逻辑等自然语言推理的不同，前者要解决跨模态对齐等一系列挑战。尽管当前的视觉语言模型（VLM）在描述性任务（比如为图像生成连贯且上下文相关的文本描述）方面表现出色，但它们在几何证明、科学问答等涉及深度逻辑的多模态任务中仍然不如单模态系统。
图片来自英伟达博客：https://developer.nvidia.com/blog/vision-language-model-prompt-engineering-guide-for-image-and-video-understanding/
对此，学界提出将具有推理能力的语言模型集成到 VLM 中来增强后者的推理能力。虽然这一方案很有潜力，但实现过程中也面临挑战。比如，推理任务的独特性要求在训练时使用专门的推理格式的数据，然而当前的 VLM 数据集主要由非推理内容组成，即使是一些包含 VLM 思维链的示例，往往缺乏高级推理任务所需的复杂性。
此外，VLM 的推理能力提升也依赖多模态表征学习、知识增强、模块化架构设计等技术层面的协同进步。显然，昆仑万维的 R1V 在这些方面做出了突破。
