在電影《銀翼殺手 2049》中，虛擬伴侶 Joi 能通過全息投影與現(xiàn)實(shí)世界無(wú)縫互動(dòng)。她能感知主角 K 的情緒為他挑選音樂，也能理解 K 的指令，將自己的形象投放到城市的廣告牌上，與他同步體驗(yàn)雨中漫步。她不僅在看和聽，更在理解 K 所處的復(fù)雜環(huán)境和他的潛在需求，并作出恰當(dāng)且充滿人情味的反應(yīng)。

這種科幻場(chǎng)景要走入現(xiàn)實(shí)，AI 需要跨越的，并非只是單純的數(shù)據(jù)量或算力。有趣的是，現(xiàn)實(shí)中的突破路徑和科幻設(shè)想有所不同，研究者們發(fā)現(xiàn)，真正的關(guān)鍵在于通過 GRPO（Group Relative Policy Optimization）這樣的強(qiáng)化學(xué)習(xí)算法，讓 AI 像人類一樣通過試錯(cuò)來學(xué)習(xí)，自己找到整合不同信息的最佳策略。

這種方法恰好針對(duì)了當(dāng)前 AI 的一個(gè)要害，也就是如何讓多模態(tài)能力從信息拼接升級(jí)為真正的融合理解。傳統(tǒng)方法就像給 AI 一本厚厚的說明書，告訴它每種情況的標(biāo)準(zhǔn)答案。而強(qiáng)化學(xué)習(xí)則更像給了 AI 一個(gè)實(shí)驗(yàn)室，讓它通過不斷嘗試來發(fā)現(xiàn)規(guī)律，當(dāng)某個(gè)推理路徑能更好地解決問題時(shí)，就給予高分獎(jiǎng)勵(lì)，從而強(qiáng)化這種思考方式。

昆侖萬(wàn)維最新開源的 Skywork R1V 3.0，就是這一探索路徑下的產(chǎn)物。它最核心的思路，就是借助強(qiáng)化學(xué)習(xí)，將在數(shù)學(xué)等領(lǐng)域?qū)W到的嚴(yán)謹(jǐn)推理能力，遷移并泛化到物理、化學(xué)、醫(yī)學(xué)乃至更廣泛的現(xiàn)實(shí)世界問題中，試圖讓 AI 離那個(gè)理想中的 Joi 更近一步。

目前，昆侖萬(wàn)維已全面開源 Skywork R1V 3.0 的所有資源，旨在推動(dòng)多模態(tài)推理社區(qū)的進(jìn)一步發(fā)展：

模型權(quán)重：

技術(shù)報(bào)告：xxx（待補(bǔ)充）

代碼倉(cāng)庫(kù)：

從 " 偏科生 " 到 " 六邊形戰(zhàn)士 "，尋找能力的平衡點(diǎn)

如何評(píng)價(jià)一個(gè) AI 模型的好壞？在今天，只看它在某個(gè)單項(xiàng)上跑分有多高，可能已經(jīng)不夠了。更重要的，是看它的能力曲線是否平滑，在面對(duì)五花八門的問題時(shí)，表現(xiàn)是否足夠穩(wěn)定。

在這方面，R1V 3.0 交出了一份很有意思的答卷。它在一個(gè)名為 MMMU 的權(quán)威評(píng)測(cè)上，取得了 76.0 分的成績(jī) 。這個(gè)分?jǐn)?shù)距離人類初級(jí)專家的平均水平（76.2 分）只有一步之遙 ，同時(shí)也超過了一些知名的閉源模型，比如 Claude 3.7 Sonnet 的 75.0 分和 GPT-4.5 的 74.4 分 。

MMMU 之所以重要，是因?yàn)樗幌駛鹘y(tǒng)的單科競(jìng)賽，更像一場(chǎng)包含理工、人文、醫(yī)學(xué)、藝術(shù)等多個(gè)領(lǐng)域的 " 跨學(xué)科高考 " 。能在這里拿到高分，背后透露出的信息是，這個(gè)模型的能力不偏科，知識(shí)結(jié)構(gòu)相對(duì)均衡。這或許是讓 AI 智能的 " 鋸齒 " 變得更平滑、更可靠的一種體現(xiàn)。

當(dāng)然，均衡不代表平庸。在物理、邏輯和數(shù)學(xué)等更考驗(yàn)硬核推理能力的評(píng)測(cè)中，它同樣拿下了多個(gè)開源模型的最佳成績(jī) 。

硬核理工科，是騾子是馬拉出來遛遛

跑分終究是跑分。想知道一個(gè)模型是真學(xué)霸還是紙老虎，得拉出來實(shí)戰(zhàn)遛遛。我們直接上題，看看它在不同場(chǎng)景下的真實(shí)表現(xiàn)。

在 2025 年高考數(shù)學(xué)新一卷的測(cè)試中，R1V 3.0 取得了 142 分的成績(jī)，達(dá)到了開源多模態(tài)推理模型的最優(yōu)結(jié)果，其表現(xiàn)已逼近多款業(yè)界領(lǐng)先的閉源模型水平：

具體的解題效率上，我們向模型展示了一道高考物理選擇題，R1V 3.0 不僅能給出正確答案，而且明顯 " 想得更快、更明白 " 了。它的解題思維鏈比上一代大幅縮短，比如從 4 千降至 7 百 tokens，推理速度提升了約 6 倍。

R1V 3.0

如果說高中題只是開胃菜，那大學(xué)的電路分析題就是正餐了。我們給它一道有一定分析深度的英文大學(xué)電路理論分析題 ，它能準(zhǔn)確識(shí)別題目中 "unit ramp"（單位斜坡電壓）的含義，嚴(yán)格依據(jù)基爾霍夫電壓定律列出微分方程，并用積分因子法系統(tǒng)地求解，推導(dǎo)邏輯自洽、過程條理清晰 。這證明了它的推理能力確實(shí)有深度。

接下來，我們來看一道具有一定分析深度的英語(yǔ)版的大學(xué)電路理論分析題。從中可以看出，即便是這樣具有挑戰(zhàn)性的大學(xué)層次題目，R1V 3.0 依然能夠準(zhǔn)確給出解答。

Consider applying a unit ramp voltage source to a series RL circuit as shown in . Compute the voltages with zero initial condition for L = 0.1H;

文史醫(yī)，AI 的 " 知識(shí)盲區(qū) " 還是 " 舒適區(qū) "？

跳出數(shù)理化，在更廣闊的知識(shí)領(lǐng)域里又如何？我們向模型提問：" 在下圖中，P 波代表 ___________，QRS 段表示 ___________，T 波代表 _____________。"

面對(duì)心電圖，它能頭頭是道地講出 P 波、QRS 段和 T 波各自的生理意義，就像個(gè)醫(yī)學(xué)院的學(xué)生在做課堂報(bào)告 。

而面對(duì)一位有 20 年肝硬化病史的患者的 CT 影像，它也能結(jié)合病史和影像學(xué)特點(diǎn)，推理出 " 肝細(xì)胞癌 " 的最可能診斷，并列出其他可能性以供鑒別 。

從冰冷的醫(yī)學(xué)影像，切換到充滿溫度的人文藝術(shù)，它也能 hold 住。它能認(rèn)出《清明上河圖》，并對(duì)其藝術(shù)風(fēng)格、歷史背景和深遠(yuǎn)影響進(jìn)行分析 。

還能通過一個(gè)唐代女樂俑的服飾、妝容和姿態(tài)，準(zhǔn)確判斷其所屬朝代、社會(huì)階層，并結(jié)合 " 墓葬明器 " 的概念分析其文化意義 。

生活大冒險(xiǎn)，如何應(yīng)對(duì) " 非標(biāo) " 難題

最后，來看一些更開放、更接近生活的 " 非標(biāo) " 問題。比如這個(gè)高難度的 " 看圖猜地方 " 游戲：我們要求模型根據(jù)一張圖片里的建筑、植被、標(biāo)識(shí)牌等線索，推斷出其所在的大洲、國(guó)家、城市乃至經(jīng)緯度 。R1V 3.0 展現(xiàn)出了極強(qiáng)的綜合認(rèn)知能力，通過層層推理，最終成功鎖定了地點(diǎn) 。

還有一個(gè)更生活化的問題：" 我買一千瓶這個(gè)飲料，中獎(jiǎng)的錢的期望是多少？" 。模型需要先通過視覺看懂瓶蓋上的中獎(jiǎng)規(guī)則，再運(yùn)用數(shù)學(xué)能力進(jìn)行概率計(jì)算 。

而最考驗(yàn) " 網(wǎng)感 " 的梗圖理解，它也沒掉鏈子。面對(duì)一張涉及人物表情和雙關(guān)語(yǔ)的梗圖（Meme）圖片，它能準(zhǔn)確識(shí)別出其中的幽默感，并解釋這種幽默來源于對(duì) "models" 一詞在技術(shù)和日常語(yǔ)境中不同含義的誤解 。

通往穩(wěn)健推理的后訓(xùn)練路徑

模型表現(xiàn)這么好，背后用了什么巧妙的技術(shù)？Skywork R1V 3.0 的技術(shù)路徑很有意思，它沒有依賴海量數(shù)據(jù)和算力硬堆，而是把重點(diǎn)放在了模型的后訓(xùn)練階段，更像一場(chǎng)精細(xì)的調(diào)優(yōu) 。

這條路徑始于能力的嫁接與強(qiáng)化。團(tuán)隊(duì)基于 R1V 2.0 做冷啟動(dòng)，讓模型一出生就具備不錯(cuò)的多模態(tài)推理基礎(chǔ) 。隨后引入 GRPO 強(qiáng)化學(xué)習(xí)算法，對(duì)模型進(jìn)行深度激發(fā)，讓強(qiáng)大的文本推理能力成功嫁接到多模態(tài)任務(wù)上 。值得一提的是，這個(gè)過程借助 GRPO 強(qiáng)化學(xué)習(xí)算法，實(shí)現(xiàn)高效泛化，僅用了約 1.2 萬(wàn)條高質(zhì)量監(jiān)督微調(diào)樣本和 1.3 萬(wàn)條強(qiáng)化學(xué)習(xí)樣本，就實(shí)現(xiàn)了多學(xué)科推理能力的顯著提升 。

有了初步的能力，如何確保它不是在機(jī)械地模仿？為了解決這個(gè)問題，團(tuán)隊(duì)引入了一套獨(dú)特的關(guān)鍵熵驅(qū)動(dòng)驗(yàn)證機(jī)制。他們發(fā)現(xiàn)，真正會(huì)推理的模型，在思考的關(guān)鍵節(jié)點(diǎn)會(huì)表現(xiàn)出較高的不確定性，代表著思維在發(fā)散；而只會(huì)模仿的模型則非常確定 。這個(gè)機(jī)制就像一個(gè)思考質(zhì)檢員，能高效地識(shí)別出哪些模型版本是真正學(xué)會(huì)了推理，而不是在機(jī)械地模仿風(fēng)格 。

解決了推理的真?zhèn)螁栴}，還有一個(gè)挑戰(zhàn)是知識(shí)的均衡。由于強(qiáng)化學(xué)習(xí)階段的訓(xùn)練數(shù)據(jù)以數(shù)學(xué)問題為主，模型的能力會(huì)有些偏科 。為此，團(tuán)隊(duì)在強(qiáng)化學(xué)習(xí)之后，專門引入了一個(gè)針對(duì)連接器，也就是連接視覺和語(yǔ)言的橋梁，的微調(diào)步驟 。這一步有效地平衡了模型的知識(shí)結(jié)構(gòu)，讓它在保持理科優(yōu)勢(shì)的同時(shí)，也補(bǔ)上了文史、藝術(shù)等領(lǐng)域的短板，成了一個(gè)更全面的通才 。

結(jié)語(yǔ)

從最開始那個(gè)可能看不懂 Meme 的 AI，到最后這個(gè)更均衡、更穩(wěn)健的模型版本，Skywork R1V 3.0 的迭代過程，本身就在試圖解決當(dāng)前 AI 最棘手的幾個(gè)問題。它證明了，在行業(yè)普遍追求更高、更快、更強(qiáng)的同時(shí)，通過精細(xì)的后訓(xùn)練調(diào)優(yōu)，讓 AI 想得更穩(wěn)、更可靠，是一條同樣重要且可行的路。

這背后是對(duì) " 可靠性 " 的追求。尤其在 2025 年，當(dāng) AI 開始被更嚴(yán)肅地探討用于醫(yī)療診斷、金融合規(guī)等高風(fēng)險(xiǎn)領(lǐng)域時(shí)，可靠性已經(jīng)從一個(gè)加分項(xiàng)變成了必選項(xiàng)。未來的 AI 競(jìng)爭(zhēng)，可能不再只是參數(shù)和分?jǐn)?shù)的比拼，更是看誰(shuí)的系統(tǒng)在關(guān)鍵時(shí)刻更值得信賴。一個(gè)真正可用的 AI，需要具備某種程度的 " 認(rèn)知謙遜 "：知道自己的能力邊界，并在不確定時(shí)，懂得把決策交還給人類。

而昆侖萬(wàn)維選擇將 Skywork R1V 3.0 完全開放的做法，本身就體現(xiàn)了這種對(duì)可靠性和透明性的追求。實(shí)際上，這也不是一次孤立的行動(dòng)，而是其構(gòu)建以推理能力為主線的技術(shù)體系的一部分，此前他們已陸續(xù)開源了 Skywork-OR1 文本推理模型和 SkyReels-V1 視頻生成模型等多個(gè)項(xiàng)目。這種系統(tǒng)性的開源，以及將技術(shù)細(xì)節(jié)、探索發(fā)現(xiàn)都展示給社區(qū)的做法，讓人們能夠更好地檢驗(yàn)和理解模型，這恰恰是通往信任的關(guān)鍵一步。

歸根結(jié)底，技術(shù)的發(fā)展終究要回歸到具體的人和具體的問題上，這可能比宏大的敘事要走得更遠(yuǎn)。