欢迎来到 Skywork-R1V 仓库！在这里，您将找到一系列具备强大智能体能力的最先进多模态推理模型。从包含模型权重和推理代码的开源版本，到我们最新的闭源产品，Skywork-R1V 系列在视觉理解、代码执行以及深度研究任务等方面均表现出色。

🔥 最新动态

💥 2025年11月18日：我们发布了 Skywork-R1V4-Lite，这是一款轻量级、超快速的闭源多模态推理模型，通过代码执行工具实现了卓越的图像理解能力。R1V4-Lite 具有极快的推理速度，并可与搜索工具集成，从而支持深度研究功能。现已在 Skywork 平台 上提供，不久也将登陆 OpenRouter——敬请期待！

2025年7月15日：我们发布了 Skywork-R1V3 的量化版本，以实现高效推理：

• AWQ 量化：🤗 Skywork-R1V3-38B-AWQ -- 支持单 GPU 推理（显存 ≥ 30GB）。
• GGUF 量化（4-bit 和 8-bit）：🤗 Skywork-R1V3-38B-GGUF -- 针对 CPU 推理进行了优化。

2025年7月9日：我们发布了 Skywork-R1V3-38B [🤗 Skywork-R1V3-38B]，这是 Skywork 系列中最新、最强大的开源多模态推理模型，进一步突破了多模态与跨学科智能的边界。主要通过后训练阶段的强化学习算法，R1V3 显著提升了多模态推理能力，在多个多模态推理基准测试中达到了开源领域的最先进水平（SOTA），例如在 MMMU 上取得了 76.0 的成绩。

2025年4月28日：我们发布了 Skywork R1V2 的 AWQ 量化版本[🤗 Skywork-R1V2-38B-AWQ]，支持单卡（显存 30GB 以上）推理。

2025年4月24日：我们发布了 Skywork-R1V2，这是一款先进的开源多模态推理模型，在包括 MMMU、MMMU-Pro、MathVista 和 OlympiadBench 在内的多项多模态推理基准测试中表现出色。[🤗 Skywork-R1V2-38B][📖 R1V2 报告]

2025年4月9日：我们的技术报告目前已在 arXiv 上发布：[Skywork-R1V：开创性的多模态推理与思维链方法]。

2025年3月26日：我们发布了 Skywork R1V 的 AWQ 量化版本[🤗 Skywork-R1V-38B-AWQ]，支持单卡（显存 30GB 以上）推理。

2025年3月18日：我们非常高兴地推出 Skywork R1V，这是业界首款开源的多模态推理模型，具备先进的视觉思维链能力，进一步推动了人工智能驱动的视觉理解和逻辑推理的边界！🚀

📊 评估

Skywork-R1V4-Lite 在各类多模态任务中表现出最先进的性能，尤其在感知能力和深度研究方面表现突出。

Skywork-R1V4 与主流多模态模型的对比

基准测试	划分	Skywork-R1V4 30B(A3B)	Qwen3-VL 30B(A3B)	Qwen3-VL 235B(A22B)	Gemini 2.5 Flash	Gemini 2.5 Pro
感知能力
HIRbench-4K	FSP	91.8	88.5	89.0	81.5	85.5
	FCP	73.8	68.5	77.0	74.0	82.3
	总体	82.8	78.5	83.0	77.5	83.9
HIRbench-8K	FSP	88.8	80.3	83.0	75.8	83.0
	FCP	70.8	68.3	77.3	71.8	80.0
	总体	79.8	74.2	80.4	73.7	81.5
MME-Real	感知	73.4	70.4	74.3	62.3	73.1
	推理	56.4	47.7	52.5	51.0	58.2
	总体	71.4	67.7	71.6	60.9	71.3
MME-Real-CN	感知	76.3	72.6	76.0	65.8	74.5
	推理	59.4	45.0	53.8	51.3	58.3
	总体	70.8	63.7	68.8	61.2	69.3
MME-Real-Lite	感知	63.2	58.0	60.2	50.4	59.9
	推理	53.2	46.3	50.7	49.9	55.1
	总体	59.3	53.2	56.5	50.2	58.3
V*	属性	90.4	81.7	79.1	77.3	86.8
	空间	84.2	82.9	82.9	64.4	68.4
	总体	88.0	82.2	80.6	72.3	79.1
TreeBench	总体	48.4	42.7	49.6	45.9	54.6
Visual Probe	困难	42.4	30.1	42.4	28.3	33.9
	中等	42.9	35.8	39.1	31.3	35.4
	容易	66.7	65.2	65.9	45.3	49.6
深度研究
MMSearch	总体	66.1	18.7	48.0	64.9	71.9
FVQA	总体	67.2	53.3	54.4	60.7	72.0
BrowseComp-VL	总体	38.4	30.0	31.6	40.8	45.4

关键亮点：

• 🏆 Skywork-R1V4 在大多数感知类基准测试中，于 30B 级别模型中取得 最高性能
• 🚀 在 HIRbench-4K（91.8）和 HIRbench-8K（88.8）上展现出 出色的 FSP 分数，证明其对高分辨率图像具有卓越的理解能力
• 🔍 强大的深度研究能力，在 MMSearch（66.1）和 FVQA（67.2）上均表现优异且具有竞争力

🚀 如何使用 Skywork-R1V4-Lite

Skywork-R1V4-Lite 以 API 服务的形式提供。您可以通过 Skywork 平台 或 OpenRouter（即将上线）访问它。

1. 获取 API 访问权限

请访问 Skywork 平台，以获取您的 API 密钥。

2. Python 快速入门

import requests
import base64

def image_to_base64(image_path):
    with open(image_path, "rb") as f:
        image_data = f.read()
        return base64.b64encode(image_data).decode("utf-8")

# API 配置
base_url = "https://api.skyworkmodel.ai"
api_key = "your_api_key_here"

# 准备请求
image_base64 = image_to_base64("path/to/your/image.jpg")
content = [
    {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_base64}"}},
    {"type": "text", "text": "这张图片里有什么？"}
]

# 调用 API
response = requests.post(
    f"{base_url}/v1/chat/completions",
    headers={
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    },
    json={
        "model": "skywork/r1v4-lite",
        "messages": [{"role": "user", "content": content}],
        "stream": False,
        "enable_search": False  # 设置为 True 以启用深度搜索功能
    }
)

print(response.json()["choices"][0]["message"]["content"])

3. 使用我们的工具套件进行批量测试

我们在 r1v4 文件夹中提供了一个全面的测试工具包，用于批量处理和结果可视化。

克隆并设置

git clone https://github.com/SkyworkAI/Skywork-R1V.git
cd Skywork-R1V/r1v4
pip install -r requirements.txt

准备测试用例

编辑 test_cases.jsonl 文件，添加你的测试用例（每行一个 JSON）：

{"image": "./demo_image/demo_1.png", "question": "这张图片里有什么？"}
{"image": "", "question": "这是一道纯文本题目"}

运行批量测试

# 非流式模式（默认）
python3 batch_nonstream.py

# 流式模式
python3 batch_stream.py

# 使用自定义输入输出文件
python3 batch_nonstream.py input.jsonl output.jsonl

# 使用规划模型进行任务规划
python3 batch_planner_nonstream.py

可视化结果

# 启动网页查看器
python3 visual.py

# 然后打开浏览器，输入结果文件路径（例如 result_nonstream.jsonl）

解析结构化响应

from parse_utils import parse_full_response

# 解析响应，提取推理步骤、工具调用和观测结果
parsed = parse_full_response(response_text)

# 访问结构化数据
for round_data in parsed['rounds']:
    print(f"第 {round_data['round_num']} 轮")
    print(f"思考：{round_data['think']}")
    print(f"工具：{round_data['tool_call']['name']}")

4. 功能特性

• 代码执行：R1V4-Lite 可以编写并执行 Python 代码来完成复杂任务。
• 深度搜索：启用 enable_search=True 即可集成网络搜索功能。
• 多轮推理：自动进行多步推理，并结合工具使用。
• 流式支持：支持实时响应流，提升用户体验。

许可证

本代码仓库采用 MIT 许可证 开放。

✅ 允许商业使用
✅ 允许修改
✅ 允许分发
❌ 不承担任何责任

Skywork-R1V4-Lite 基于 Qwen3-VL-30B-A3B-Instruct 模型，该模型采用 Apache 2.0 许可证。

致谢

我们衷心感谢以下开源项目对我们的工作提供的巨大帮助：

• MS-SWIFT：一个强大的模型训练与微调框架，极大地促进了我们的模型开发进程。
• VLMEvalKit：一套全面的视觉语言模型评估工具，使我们能够进行广泛的基准测试。

🔮 未来方向

我们非常期待分享 Skywork-R1V 系列未来的研发愿景：

• Skywork-R1V4-Pro：我们正在开发一款功能更强大的模型，将在所有基准测试中表现出色。敬请期待即将发布的版本！
• 强化学习研究：我们正积极探索将强化学习技术应用于多模态推理和智能体能力的提升，不断突破视觉语言 AI 的边界。

❤️杂项

引用

如果您在研究中使用了 Skywork-R1V，请引用以下文献：

@misc{zhang2025skyworkr1v4agenticmultimodalintelligence,
      title={Skywork-R1V4: 通过图像与深度搜索交织的思维实现智能体式多模态智能}, 
      author={Yifan Zhang 和 Liang Hu 和 Haofeng Sun 和 Peiyu Wang 和 Yichen Wei 和 Shukang Yin 和 Jiangbo Pei 和 Wei Shen 和 Peng Xia 和 Yi Peng 和 Tianyidan Xie 和 Eric Li 和 Yang Liu 和 Xuchen Song 和 Yahui Zhou},
      year={2025},
      eprint={2512.02395},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2512.02395}, 
}

@misc{shen2025skyworkr1v3technicalreport,
      title={Skywork-R1V3 技术报告}, 
      author={Wei Shen 和 Jiangbo Pei 和 Yi Peng 和 Xuchen Song 和 Yang Liu 和 Jian Peng 和 Haofeng Sun 和 Yunzhuo Hao 和 Peiyu Wang 和 Jianhao Zhang 和 Yahui Zhou},
      year={2025},
      eprint={2507.06167},
      archivePrefix={arXiv},
      primaryClass={cs.CL},
      url={https://arxiv.org/abs/2507.06167}, 
}

@misc{wang2025skyworkr1v2multimodalhybrid,
      title={Skywork R1V2：用于推理的多模态混合强化学习}, 
      author={Peiyu Wang 和 Yichen Wei 和 Yi Peng 和 Xiaokun Wang 和 Weijie Qiu 和 Wei Shen 和 Tianyidan Xie 和 Jiangbo Pei 和 Jianhao Zhang 和 Yunzhuo Hao 和 Xuchen Song 和 Yang Liu 和 Yahui Zhou},
      year={2025},
      eprint={2504.16656},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2504.16656}, 
}

@misc{peng2025skyworkr1vpioneeringmultimodal,
      title={Skywork R1V：开创性的思维链多模态推理}, 
      author={Yi Peng 和 Peiyu Wang 和 Xiaokun Wang 和 Yichen Wei 和 Jiangbo Pei 和 Weijie Qiu 和 Ai Jian 和 Yunzhuo Hao 和 Jiachun Pan 和 Tianyidan Xie 和 Li Ge 和 Rongxian Zhuang 和 Xuchen Song 和 Yang Liu 和 Yahui Zhou},
      year={2025},
      eprint={2504.05599},
      archivePrefix={arXiv},
      primaryClass={cs.CV},
      url={https://arxiv.org/abs/2504.05599}, 
}

Skywork-R1V4-Lite 快速上手指南

Skywork-R1V4-Lite 是一款轻量级、超快的闭源多模态推理模型，具备强大的图像理解、代码执行及深度研究（联网搜索）能力。本指南将帮助您快速通过 API 调用该模型。

环境准备

• 系统要求：支持 Linux、macOS 或 Windows。
• 前置依赖：
  • Python 3.8 及以上版本
  • requests 库（用于 API 调用）
  • 有效的 Skywork Platform API Key

安装步骤

1. 获取 API Key 访问 Skywork Platform 注册账号并获取您的 API Key。

2. 安装 Python 依赖 如果您需要运行官方提供的批量测试工具套件，请克隆仓库并安装依赖：

   git clone https://github.com/SkyworkAI/Skywork-R1V.git
   cd Skywork-R1V/r1v4
   pip install -r requirements.txt
   # 国内用户如遇下载慢，可指定清华源：
   # pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
   

   若仅需通过代码调用 API，只需安装 requests：

   pip install requests
   

基本使用

方式一：Python 代码调用（推荐）

以下是最简单的单图问答示例。将 your_api_key_here 替换为您的真实 Key，并修改图片路径即可运行。

import requests
import base64

def image_to_base64(image_path):
    with open(image_path, "rb") as f:
        image_data = f.read()
        return base64.b64encode(image_data).decode("utf-8")

# API 配置
base_url = "https://api.skyworkmodel.ai"
api_key = "your_api_key_here"  # 请替换为您的真实 API Key

# 准备请求内容
# 替换为您本地的图片路径
image_base64 = image_to_base64("path/to/your/image.jpg")
content = [
    {"type": "image_url", "image_url": {"url": f"data:image/jpeg;base64,{image_base64}"}},
    {"type": "text", "text": "What's in this image?"}
]

# 调用 API
response = requests.post(
    f"{base_url}/v1/chat/completions",
    headers={
        "Authorization": f"Bearer {api_key}",
        "Content-Type": "application/json"
    },
    json={
        "model": "skywork/r1v4-lite",
        "messages": [{"role": "user", "content": content}],
        "stream": False,
        "enable_search": False  # 设置为 True 可开启深度研究/联网搜索功能
    }
)

print(response.json()["choices"][0]["message"]["content"])

方式二：使用官方工具套件进行批量测试

如果您需要批量处理图片或可视化推理过程，可使用仓库自带的工具。

1. 准备测试数据 编辑 test_cases.jsonl 文件，每行填入一个测试用例：

   {"image": "./demo_image/demo_1.png", "question": "What's in this image?"}
   {"image": "", "question": "This is a text-only question"}
   

2. 运行批量测试

   # 非流式模式（默认）
   python3 batch_nonstream.py
   
   # 流式模式
   python3 batch_stream.py
   
   # 自定义输入输出文件
   python3 batch_nonstream.py input.jsonl output.jsonl
   

3. 可视化结果 启动本地 Web 查看器以分析模型的思考过程和工具调用：

   python3 visual.py
   # 然后在浏览器中输入生成的结果文件路径（如 result_nonstream.jsonl）
   

核心功能提示

• 代码执行：模型会自动编写并执行 Python 代码以解决复杂任务，无需额外配置。
• 深度研究：在 API 请求中将 enable_search 设为 True，即可启用联网搜索能力。
• 多轮推理：模型支持自动多步推理和工具调用链。