Skywork-R1V
Skywork AI (Kunlun Tech) · 其他
Skywork-R1V 是 Skywork AI 推出的開源多模態推理模型系列。它會閱讀圖片，逐步推理數學、科學與圖表問題。
關於 Skywork-R1V
What Is Skywork-R1V
Skywork-R1V 是 Skywork AI 打造的一系列視覺語言模型，Skywork AI 是昆侖萬維旗下的研究團隊。作為一套開源多模態 AI，這個系列把權重交到你手上。這個系列的想法說來簡單，做起來卻很難：拿一個文字推理已經很強的模型，讓它也能對圖片推理，而且不丢掉原本的本事。Skywork 把這件事叫做把強推理從文字搬到視覺。多數多模態模型只認得圖裡有什麼，R1V 則把背後的步驟一步步走完。
第一代 R1V 在 2025 年 3 月以開放權重推出，團隊之後迭代得很快。R1V2 在 4 月跟上，R1V3-38B 於 7 月登場，MMMU 評測拿下 76.0；R1V4-Lite 在 11 月推出，是一款更輕量的代理模型。每一步都讓這個系列從單純推理走向會動手的模型。權重可從 Hugging Face 下載，能在本機執行，也能呼叫託管的 API。
有兩個限制一開始就要講清楚。38B 模型體積不小，想自己跑得準備像樣的硬體，除非挑量化版本。另外 R1V 屬於研究級發布，周邊工具都預設你會用 Python 和模型伺服器。
Getting Started
- 從 Hugging Face 的集合裡挑一個符合你硬體的版本，從 R1V3-38B 到量化版本都行
- 把 GitHub 上的 Skywork-R1V 專案複製下來，用附帶的指令碼準備好 Python 環境
- 用 Transformers 或 vLLM 載入模型，餵給它一張圖片加一個問題
- 想走託管路線，就到 Skywork 平台註冊帳號，帶上圖片與提示詞呼叫 completions 端點
產品資訊
快速了解 Skywork-R1V 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- AI 研究人員：研究多模態推理的團隊，想要能檢視、微調、寫進論文引用的開放權重
- 機器學習工程師：在建視覺功能的開發者，需要自己架模型而不是租一個
- 學生與自學者：想用免費方式，從一張照片解開困難數學與科學題目的人
- 預算有限的初創團隊：付不起商用視覺 API 費用、寧願在自己硬體上跑模型的小團隊
任務
- 視覺數學與科學題：處理一道物理或幾何題，圖形本身承載了一半資訊
- 圖表與示意圖分析：讀取圖片裡的曲線圖、電路圖或表格，並對數值推理
- 文件理解：從掃描頁面、收據與表單中抽出結構
- 醫療與技術影像檢視：從影像或圖面找出重點，交給人工複核
- 代理式圖片任務：讓 R1V4-Lite 自己裁切、放大、旋轉圖片，然後才回答
情境
- 學生拍下手寫題目：模型逐步推理，而不是直接猜答案
- 研究人員比較評測：開放權重讓團隊能重現公開的 MMMU 與 MathVista 分數
- 小團隊想要視覺功能又不想帳單爆表：自架量化版本就沒有逐次呼叫的費用
- 開發者讀一張密密麻麻的圖表：模型抽出數字，說明它們代表什麼
- 客服團隊整理掃描表單：模型從批次圖片裡抓出欄位
主要功能
多模態思維鏈推理
Skywork-R1V 的核心在於逐步推理，而不是比對出一個答案範本。給它一道附圖的幾何題，它會先把邏輯走一遍，才得出結果。團隊把整個系列建立在把文字推理搬到視覺之上，所以模型讀圖時仍保留數學與邏輯能力。這個組合正是它與單純看圖說故事的模型不同之處。
自適應思維鏈長度
不是每個問題都需要一長串推理。R1V 會看題目表面難度與圖片清晰程度，決定要推理多少。簡單的辨識問題走短路徑，多步驟的科學題才全流程處理。這讓推論保持有效率，也砍掉拖慢其他推理模型的過度思考。
領先的開源評測成績
根據 Skywork 的說法，R1V3-38B 在 MMMU 拿下 76.0、MathVista 拿下 77.1，初代 R1V 則在 MATH500 取得 94.0、AIME 取得 72.0。這些數字讓開源版本在跨學科任務上擠進大型閉源模型的行列。團隊公開評測程式碼，你可以自己重跑，不必照單全收。
寬鬆授權的開放權重
R1V3 的模型權重以 MIT 授權釋出，允許商用、修改與散布。你可以從 Hugging Face 下載，在自己的 GPU 上執行，並在上頭打造產品，不用付逐次呼叫的費用。這個級別的視覺模型，很少附帶這麼開放的條件。
給較小硬體的量化版本
Skywork 發布 R1V 與 R1V2 的 AWQ 量化版本，只要一張 30GB 以上記憶體的顯示卡就能跑。這把硬體門檻從多卡主機降到一張工作站顯示卡，對想先試再決定要不要投入整座叢集的人來說很重要。代價是精度小幅下滑，在最難的評測上才會現形。
R1V4-Lite 的主動圖片操作
最新的 R1V4-Lite 能做到前代模型做不到的事。照片模糊或取景不對時，它會自己裁切、放大、旋轉或定位某個區域，再對改善後的畫面推理。它甚至能在任務中途寫個小工具來修圖。這款模型輕到能上線生產，回應時間只佔大型模型的一小部分。
優缺點
優點
- MIT 授權的開放權重讓你免費自架模型並在上面開發
- 38B 模型在 MMMU、MathVista 與 MATH500 上的成績出色
- 逐步推理讓答案比一次到位的猜測更容易檢查
- 量化版本只要一張 30GB 記憶體的 GPU 就能跑，硬體成本下降
- 託管 API 在 Skywork 平台上可免費試用
缺點
- 想自己跑完整的 38B 模型，需要相當等級的 GPU 配置
- 量化版本在最難的任務上會掉精度，取捨是實實在在的
- 安裝過程需要 Python 與模型伺服器能力，非技術使用者難以上手
- R1V4-Lite 以代理之名推出，但支援的通道比推理核心來得窄
常見問題
Skywork-R1V 是 Skywork AI 推出的開源多模態推理模型系列。每個模型會讀一張圖片，然後循著思維鏈回答問題，而不只是說出它看見什麼。系列涵蓋 R1V、R1V2、R1V3-38B 與 R1V4-Lite。
相關內容
探索與 Skywork-R1V 相關的工具、技能與文章。
Skywork-R1V 替代方案
BinkBink
BinkBink · 其他BinkBink 是一個免費的線上遊戲平台與 AI 遊戲製作工具，讓任何人都能把一段簡短的文字描述變成可玩的瀏覽器遊戲。你可以直接跳進數百款社群自製的遊戲。或者描述自己的想法，幾秒內就能玩，再分享給朋友。想建立自己的遊戲嗎？你不需要寫程式。不用設定引擎、不用下載、不必費心。
Audiogen
Audiogen Inc. · 其他Audiogen 是一款由 Audiogen Inc. 打造的 AI 音樂生成器。這支小型研究團隊花了約 2.5 年訓練自家生成式音樂模型，並圍繞它設計網頁介面。這款 AI 音樂工具捨棄單純的文字框，把時間軸變成對新手友善的生成式音訊工作站（Generative Audio Workstation，簡稱 GAW），其中的補繪、延伸、混音與音軌編輯，操作起來更像在畫布上彩繪。產品仍在 beta 階段，因此取用管道是候補名單或邀請碼。付費方案尚未公布。
Aiml API
AIMLAPI OÜ · 其他Aiml API 是一套統一的 AI 模型 API，把 OpenAI、Google、Anthropic 等超過 1000 個模型放在同一個端點與同一張帳單之後。你只要依照單一相容 OpenAI 的結構撰寫程式碼，接著改一個模型字串，就能在聊天、圖像、影片與音訊模型之間切換。它適合想取得多模型存取、又不想管理十幾個供應商帳號的開發者與小型團隊，也省去了測試多家廠商時常見的帳務麻煩。一組金鑰就能涵蓋全部。