階躍星辰科技團隊宣佈正式推出全新的多模態推理模型 Step-R1-V-Mini。這一模型的發佈標誌着在多模態協同推理領域的新突破，爲AI技術的進一步發展注入了新的活力。Step-R1-V-Mini支持圖文輸入和文字輸出，具備良好的指令遵循能力和通用性，能夠高精度感知圖像並完成複雜的推理任務。

Step-R1-V-Mini的訓練方法在技術上進行了創新，採用了多模態聯合強化學習，基於PPO（Proximal Policy Optimization）強化學習策略，在圖像空間引入了verifiable reward機制。這一機制有效解決了圖片空間推理鏈路複雜、容易產生混淆的相關和因果推理錯誤的問題。與DPO(Direct Preference Optimization)等方法相比，Step-R1-V-Mini在處理圖像空間的複雜鏈路時更具泛化性和魯棒性。

微信截圖_20250409085809.png

此外，爲了充分利用多模態合成數據，階躍星辰設計了大量基於環境反饋的多模態數據合成鏈路，合成了可規模化訓練的多模態推理數據。通過基於PPO的強化學習訓練，同步提升了模型的文本和視覺推理能力，有效避免了訓練過程中的蹺蹺板問題。

在視覺推理領域的表現上，Step-R1-V-Mini取得了顯著的成績。在多個公開榜單中，Step-R1-V-Mini均表現亮眼，特別是在MathVision視覺推理榜單上位列國內第一。這表明該模型在視覺推理、數學邏輯和代碼等方面具有優異的表現。

Step-R1-V-Mini的實際應用案例也展示了其強大的功能。例如，在“看圖識地點”案例中，輸入網友拍攝的溫布利球場圖片，Step-R1-V-Mini能夠迅速識別圖中元素，結合不同元素如顏色、物體（體育場、曼城隊徽）等進行綜合判斷，準確推斷出地點爲溫布利體育場，並給出了可能的對戰雙方。在“看圖識菜譜”案例中，輸入一張美食圖，Step-R1-V-Mini能夠精準識別菜品和蘸料，並詳細列出具體用量，如“鮮蝦300g、大蔥白2根”等。在“物體數量計算”案例中，輸入一張含有不同形狀、顏色和位置的物體擺放圖，Step-R1-V-Mini能夠逐一識別，根據物體的顏色、形狀和位置進行推理計算，最終得出剩下的物體數量。

Step-R1-V-Mini的發佈爲多模態推理領域帶來了新的希望。該模型已正式上線階躍AI網頁端，並在階躍星辰開放平臺提供API接口，供開發者和研究人員體驗和使用。階躍星辰錶示，Step-R1-V-Mini是他們在多模態推理方向的階段性成果，未來將繼續在推理模型方向進行探索，以推動AI技術的進一步發展。

階躍AI 網頁端:

https://yuewen.cn/chats/new

階躍星辰開放平臺:

https://platform.stepfun.com/docs/llm/reasoning