/ Модель

Характеристики

Контекст
12 000 токенов
Размер весов
76,8 ГБ
Лицензия
MIT
Архитектура
internvl_chat · dense
Библиотека
transformers
Опубликована
22 апр 2025

Skywork-R1V2-38B

Генерация текстаТекст → текст9 профессий

Skywork-R1V2-38B — мультимодальная модель Skywork для визуального анализа и рассуждений по изображениям и тексту.

157скачиваний за 30 дней126лайковвеса обновлены10 июн 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-R1V2-38B — открытая мультимодальная модель рассуждений компании Skywork, построенная на архитектуре InternVL Chat. Она принимает изображения и текст и предназначена для визуальных вопросов и ответов, анализа изображений и решения задач, требующих визуального и текстового рассуждения. В README указаны результаты на MMMU — 73,6% и OlympiadBench — 62,6%, а также оценки на MathVision, MMMU-Pro и MathVista; размеры контекста и число параметров в доступных данных не приводятся. Модель распространяется в формате safetensors и лицензирована по MIT. Метаданные указывают поддержку чата и интерфейс вызова инструментов.

Сценарии применения

  • ответы на вопросы по изображениям
  • решение математических задач с опорой на изображение
  • анализ диаграмм и графиков
  • решение задач визуального понимания и рассуждений
  • диалог о содержимом изображения

Ограничения

README сообщает результаты на нескольких бенчмарках, но в предоставленных данных нет подробностей об ограничениях, оценках ошибок или поддерживаемых языках.

Для каких профессий подходит9

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-R1V2

📖 R1V2 Report | 💻 GitHub | 🌐 ModelScope

1. Model Introduction

Skywork-R1V2-38B is a state-of-the-art open-source multimodal reasoning model, achieving top-tier performance across multiple benchmarks:

  • On MMMU, it scores 73.6%, the highest among all open-source models to date.
  • On OlympiadBench, it achieves 62.6%, leading by a large margin over other open models.
  • R1V2 also performs strongly on MathVision, MMMU-Pro, and MathVista, rivaling proprietary commercial models.
  • Overall, R1V2 stands out as a high-performing, open-source VLM combining powerful visual reasoning and text understanding.

🔧 Model Details


2. Evaluation


3. Usage

1. Clone the Repository

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

2. Set Up the Environment

# For Transformers  
conda create -n r1-v python=3.10 && conda activate r1-v  
bash setup.sh  
# For vLLM  
conda create -n r1v-vllm python=3.10 && conda activate r1v-vllm  
pip install -U vllm

3. Run the Inference Script

transformers inference

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

vllm inference

python inference_with_vllm.py \
    --model_path path \
    --image_paths image1_path image2_path \
    --question "your question" \
    --tensor_parallel_size 4

4. Citation

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

@misc{chris2025skyworkr1v2multimodalhybrid,
      title={Skywork R1V2: Multimodal Hybrid Reinforcement Learning for Reasoning}, 
      author={Peiyu Wang and Yichen Wei and Yi Peng and Xiaokun Wang and Weijie Qiu and Wei Shen and Tianyidan Xie and Jiangbo Pei and Jianhao Zhang and Yunzhuo Hao and Xuchen Song and Yang Liu and Yahui Zhou},
      year={2025},
      eprint={2504.16656},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2504.16656}, 
}
@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.

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
2230f5d

0 моделей