IT之家 7 月 9 日消息,昆仑万维刚刚发布公告,宣布推出最新的 Skywork-R1V 3.0 版本并开源。
据昆仑万维介绍,Skywork-R1V 3.0 在后训练阶段通过强化学习策略深度激发模型的跨模态推理能力,在复杂逻辑建模与跨学科泛化方面实现双重飞跃。
Skywork-R1V 3.0 基于上一代推理模型 Skywork-R1V 2.0 蒸馏数据进行“冷启动”,通过拒绝采样构建高质量多模态推理训练集,指导开源视觉大模型 InternVL-38B(38B 参数)学会多模态推理的基本格式和方法。
随后引入强化学习算法 GRPO(Group Relative Policy Optimization)深度激发模型的推理潜能,成功实现推理能力在图像和文本模态之间的迁移,显著提升其跨模态、多学科场景下的理解与分析表现。
据介绍,Skywork R1V 3.0 仅依赖约 1.2 万条监督微调样本和 1.3 万条强化学习样本,便实现高效训练,充分体现了“小数据激发大能力”的优势。
性能方面,该模型在权威的综合性多模态评测 MMMU 中取得了 76.0 的开源模型最高成绩,超越了 Claude-3.7-Sonnet(75.0)和 GPT-4.5(74.4)等闭源模型,逼近人类初级专家水平(76.2)。
昆仑万维表示,R1V 3.0 的高考数学突出成绩,接近多款顶尖闭源模型,达到了开源多模态推理模型的最优结果,证明了其卓越的实战解题表现和跨场景泛化的稳定性。
在更考验视觉推理的 EMMA-Mini(CoT)上,以开源领先的 40.3分超过更大尺寸的 Qwen2.5-VL-72B-Instruct 和 InternVL3-78B 等模型,并缩小了与闭源模型 Claude-3.7-Sonnet 的差距。
在覆盖中小学知识点的 MMK12上,R1V 3.0 以 78.5分再度领跑开源阵营,超越 Qwen2.5-VL-72B-Instruct、InternVL3-78B 等开源模型以及 GPT-4.5 和 GPT-4o 等闭源模型。
较上一代模型而言,Skywork-R1V 3.0 在物理、逻辑等多个关键领域取得了显著性能提升,成为当前开源领域最强劲的多模态推理模型之一:
Skywork-R1V 3.0 下载: