/ Модель

Характеристики

Контекст
16 384 токена
Размер весов
76,8 ГБ
Лицензия
MIT
Архитектура
skywork_chat · dense
Библиотека
transformers
Опубликована
17 мар 2025

Skywork-R1V-38B

Генерация текстаТекст → текст8 профессий

Skywork-R1V-38B — мультимодальная диалоговая модель для анализа изображений и пошагового решения визуальных задач.

13 548скачиваний за 30 дней128лайковвеса обновлены12 авг 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Skywork-R1V-38B — мультимодальная модель Skywork для диалогового анализа изображений с пошаговым визуальным рассуждением. Она сочетает визуальный энкодер InternViT-6B-448px-V2_5 с языковой моделью DeepSeek-R1-Distill-Qwen-32B; репозиторий содержит веса в формате safetensors и предназначен для работы через Transformers.

Модель принимает изображения и текстовые запросы, а отвечает текстом. Карточка заявляет поддержку многошагового решения задач по изображениям, включая визуальную математику, научные и медицинские изображения, а также контекстное понимание текста и изображения. Метаданные отмечают диалоговый режим и интерфейс вызова инструментов.

Лицензия репозитория — MIT. Карточка не приводит результаты оценивания в доступном тексте и не уточняет ограничения или поддерживаемые естественные языки, поэтому качество на конкретных типах изображений и языках по этим данным оценить нельзя.

Сценарии применения

  • ответы на вопросы по изображению
  • решение математических задач, представленных на изображении
  • анализ научных изображений
  • интерпретация медицинских изображений
  • объяснение визуальных задач с пошаговым рассуждением

Ограничения

В доступном тексте карточки нет численных результатов оценки, поэтому заявленные возможности нельзя сопоставить по метрикам. Языки модели и её ограничения на конкретных типах изображений не описаны.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

Skywork-R1V

📖 Technical Report | 💻 GitHub | 🌐 ModelScope

GitHub Stars GitHub Forks

1. Model Introduction

Model NameVision EncoderLanguage ModelHF Link
Skywork-R1V-38BInternViT-6B-448px-V2_5deepseek-ai/DeepSeek-R1-Distill-Qwen-32B🤗 Link
Skywork-R1V2-38BInternViT-6B-448px-V2_5Qwen/QwQ-32B🤗 Link

2. Feature

  • Visual Chain-of-Thought: Enables multi-step logical reasoning on visual inputs, breaking down complex image-based problems into manageable steps.
  • Mathematical & Scientific Analysis: Capable of solving visual math problems and interpreting scientific/medical imagery with high precision.
  • Cross-Modal Understanding: Seamlessly integrates text and images for richer, context-aware comprehension.

3. Evaluation


4. Usage

1. Clone the Repository

git clone https://github.com/SkyworkAI/Skywork-R1V.git
cd skywork-r1v/inference

2. Set Up the Environment

conda create -n r1-v python=3.10
conda activate r1-v
bash setup.sh

3. Run the Inference Script

CUDA_VISIBLE_DEVICES="0,1" python inference_with_transformers.py \
    --model_path path \
    --image_paths image1_path \
    --question "your question"

5. Citation

If you use Skywork-R1V in your research, please cite:

@misc{peng2025skyworkr1vpioneeringmultimodal,
      title={Skywork R1V: Pioneering Multimodal Reasoning with Chain-of-Thought}, 
      author={Yi Peng and Peiyu Wang and Xiaokun Wang and Yichen Wei and Jiangbo Pei and Weijie Qiu and Ai Jian and Yunzhuo Hao and Jiachun Pan and Tianyidan Xie and Li Ge and Rongxian Zhuang and Xuchen Song and Yang Liu and Yahui Zhou},
      year={2025},
      eprint={2504.05599},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2504.05599}, 
}

This project is released under an open-source license.

Star History

Star History Chart

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

vLLM

Нельзя запустить

Модели нужен код из репозитория; автор пока не в списке доверенных организаций.

Класс архитектуры
SkyworkR1VChatModel
Ревизия весов
363f7c8

0 моделей