Skywork-R1V

看图说话还能一步步推理,让AI真正看懂复杂图像

Skywork-R1V 是由昆仑万维 Skywork AI 开发的多模态推理模型系列,专注于视觉-语言联合推理任务。它解决了传统多模态模型在复杂视觉问答中推理能力薄弱的问题,能够对图像进行深度理解并生成逻辑连贯的答案。核心能力包括:基于视觉信息的逐步推理、跨模态语义对齐、以及高精度图文匹配。模型采用混合架构,结合了视觉编码器与大语言模型,并针对推理链路进行了专项优化。项目提供了完整的训练、微调和推理代码,支持自定义数据集扩展,适用于学术研究和工业落地。其开源特性使得开发者可以基于其底座构建定制化的视觉问答系统。

开源 free 开源模型
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 3171
维护状态 维护中
是否开源
定价模式 free

项目数据

分类开源模型
开发团队SkyworkAI
所属国家
官网地址
定价模式free
价格说明开源模型,MIT许可证,可免费本地部署使用,无在线服务。
访问状态
是否开源
开源协议MIT
主要语言Python
技术栈/模型deepseek-r1,grpo,llm,multimodal-r1,multimodal-understanding,r1v,reasoning,reinforcement-learning,skywork-r1v,vlm,vlm-r1
GitHub 星标★ 3171
30天Star增速
HF 下载量
上线时间2025-03-15 00:00:00
最近更新2026-09-15 00:00:00
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数5

使用教程

难度:高级 约 60 分钟 部署方式:模型权重 5 步

⚠ 该项目 README 未提供完整安装说明,以下步骤为通用流程,请以官方文档为准。

环境要求

  • Python 环境(项目开发语言为 Python)
  • GPU 显存:AWQ 量化版需单卡 30GB 以上
  • 网络可访问 huggingface.co 以拉取模型权重
  • 足够磁盘空间存放 38B 级模型权重

安装与启动步骤

  1. 1确认硬件显存

    Skywork-R1V2-38B-AWQ 量化版支持单卡 30GB 以上显存推理,请据此准备 GPU 环境。

  2. 2获取模型权重

    从 Hugging Face 下载 Skywork/Skywork-R1V-38B;显存有限可改用 Skywork/Skywork-R1V2-38B-AWQ。

  3. 3克隆代码仓库

    拉取 Skywork-R1V 仓库源码,后续环境配置与推理脚本均在其中。

    git clone https://github.com/SkyworkAI/Skywork-R1V.git
  4. 4配置运行环境

    README 的『Set Up the Environment』一节给出环境配置步骤,但节选未含具体命令,请按仓库原文操作。

  5. 5运行推理脚本

    README 的『Run the Inference Script』一节给出推理入口,节选未含具体命令,请以仓库原文为准。

如何确认成功

能成功加载 Skywork-R1V-38B(或 AWQ 量化版)权重,并对测试图片输出连贯推理答案,即视为部署成功。

常见问题

Q:显存不够怎么办?

A:可改用 Skywork-R1V2-38B-AWQ 量化版本,官方说明其支持单卡 30GB 以上显存推理,能明显降低显存门槛。

Q:模型权重在哪里下载?

A:Hugging Face 仓库 Skywork/Skywork-R1V-38B;量化版为 Skywork/Skywork-R1V2-38B-AWQ。

Q:能做训练或微调吗?

A:项目提供训练、微调与推理代码,但 README 节选只列出推理相关章节,具体命令请查阅仓库原文。

Q:推理效果如何?

A:R1V3-38B 通过强化学习后训练,在多模态推理基准上达到开源 SOTA,MMMU 得分 76.0。

注意事项

  • README 节选缺失『Set Up the Environment』与『Run the Inference Script』的具体命令,部署时务必以仓库原文为准。
  • 38B 级模型权重体积大,下载与加载耗时长,请预留磁盘与显存。
  • Skywork-R1V3-38B 发布于 2025 年 7 月 9 日,是当前系列最新版本。

核心亮点

  • 推理链路完整,从视觉编码到逐步逻辑输出均有优化
  • 支持自定义微调,可适配垂直领域视觉问答场景
  • 开源代码与权重,降低二次开发门槛

不足之处

  • 模型体积较大,推理资源需求高
  • 文档/社区待观察

适用场景

  • 复杂图表与文档理解
  • 教育领域的视觉解题辅助
  • 智能客服的图文混合问答

替代项目

LLaVA、Qwen-VL、InternVL

项目介绍

Skywork-R1V 是开源模型领域的开源项目,由 SkyworkAI 开发,2025 年首次发布。

在全站 13,014 个收录项目中,它的 GitHub 星标数(3,171)位列前 30%,在开源模型分类中处于中上游。

项目仍在小幅维护中,最近一次代码更新于 2026-09-15。MIT许可证,可免费本地部署使用,无在线服务。

它主要面向的使用场景是:复杂图表与文档理解。同类可对比的替代方案包括 LLaVA、Qwen-VL、InternVL。

上一篇:MiniMax-M1

下一篇:matmulfreellm

同类项目推荐

Machine-Learning 开源

跟着博客笔记,边看边跑机器学习代码

All content related to machine learning from my blog

★ 115 2026-08-09
CoreML-Models 开源

下载即用的苹果端 AI 模型库,免去转换烦恼

Core ML model zoo for iOS/macOS — PyTorch models converted to ready-to-use .mlpacka···

★ 1873 2026-08-10