# DeepEyesV2：小红书开源多模态智能体，引爆AI工具调用与复杂推理新范式

- Link: https://paooo.com/aigc-news/13026/
- Published: 2026-06-17T14:12:22+08:00
- Author: 站外新闻

> **💡 站外导读：**在多模态大模型浪潮中，如何让AI超越被动问答，具备主动探索和解决
> 复杂现实问题的能力，是行业核心挑战。小红书团队开源的DeepEyesV2模型，直击这一痛点。
> 它不仅融合图文理解，更创新性地引入了“工具调用”智能体机制，让AI能像人一样，按需
> 调用外部工具（如代码、搜索）获取信息并推理。这标志着AI从“理解”到“行动”的关键一步，
> 为构建更强大、实用的AI助手铺平了道路。

## DeepEyesV2是什么

DeepEyesV2 是小红书团队推出的多模态[智能体](https://paooo.com/trends/)模型，通过
两阶段训练法实现强大的工具调用和多模态推理能力。模型能理解图文信息，支持主动调用
代码执行、网络搜索等外部工具，将工具返回的结果融入推理过程，解决复杂的真实世界问题。
模型第一阶段通过监督微调让模型建立工具使用的基本认知，第二阶段通过强化学习提升模型
的工具调用效率和泛化能力。DeepEyesV2 在新提出的 RealX-Bench 基准测试中表现出色，
展现出强大的多技能协调能力。

阅读目录

 * [DeepEyesV2是什么](https://paooo.com/aigc-news/13026/#deepeyesv2%e6%98%af%e4%bb%80%e4%b9%88)
 * [DeepEyesV2的主要功能](https://paooo.com/aigc-news/13026/#deepeyesv2%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [DeepEyesV2的技术原理](https://paooo.com/aigc-news/13026/#deepeyesv2%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [DeepEyesV2的项目地址](https://paooo.com/aigc-news/13026/#deepeyesv2%e7%9a%84%e9%a1%b9%e7%9b%ae%e5%9c%b0%e5%9d%80)
 * [DeepEyesV2的应用场景](https://paooo.com/aigc-news/13026/#deepeyesv2%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)
       * [📝 站长洞察 (Editor’s Insight)](https://paooo.com/aigc-news/13026/#%f0%9f%93%9d-%e7%ab%99%e9%95%bf%e6%b4%9e%e5%af%9f-editor8217s-insight)

![DeepEyesV2](https://paooo.com/wp-content/uploads/2026/05/DeepEyesV2-website-1.
avif)

## DeepEyesV2的主要功能

 * **多模态理解**：模型能同时处理文本和图像信息，理解复杂的图文内容。
 * **主动工具调用**：在需要时主动调用外部工具，如代码执行环境和网络搜索，获取额外
   信息或执行复杂任务。
 * **动态推理与决策**：将工具调用的结果融入推理过程，通过迭代的方式逐步解决问题。
 * **任务自适应**：根据不同任务类型（如感知、推理等）智能选择合适的工具，提升效率
   和准确性。
 * **复杂任务解决**：通过工具的组合和迭代推理，解决需要多种能力协同的复杂任务，如
   结合感知、搜索和推理的综合任务。

## DeepEyesV2的技术原理

 * **冷启动阶段（Cold Start）**：
    - **监督微调（Supervised Fine-tuning, SFT）**：通过大量包含工具使用步骤的样本
      数据（如感知型、推理型和长思维链数据）对模型进行微调，帮助模型建立对工具使用
      的基本认知。
    - **数据设计**：数据覆盖多种任务类型，确保模型在不同场景下都能学习到合适的工具
      调用策略。
 * **强化学习阶段（Reinforcement Learning）**：
    - **策略优化**：在冷启动的基础上，通过强化学习进一步优化模型的工具调用策略，
      提升效率和泛化能力。
    - **目标**：减少不必要的工具调用，同时在未见过的复杂场景中创造性地组合工具，
      提升模型的灵活性和适应性。

## DeepEyesV2的项目地址

 * **项目官网**：https://visual-agent.github.io/
 * **GitHub仓库**：https://github.com/Visual-Agent/DeepEyesV2
 * **arXiv技术论文**：https://arxiv.org/pdf/2511.05271

## DeepEyesV2的应用场景

 * **智能问答与信息检索**：用户上传图片提问，DeepEyesV2 能结合图像识别和网络搜索
   提供精准答案。
 * **教育与学习辅助**：通过图像识别和推理，为学生提供作业辅导和知识探索支持。
 * **内容创作与编辑**：分析图片内容，提供图像编辑建议和相关文案生成。
 * **智能客服与技术支持**：用图像识别和网络搜索，为用户提供故障诊断和咨询解答。
 * **医疗健康**：辅助医生分析医学影像，结合网络搜索提供健康咨询和初步诊断。

#### 📝 站长洞察 (Editor’s Insight)

DeepEyesV2的发布，绝非又一个模型的开源，而是小红书在AI智能体（Agent）范式上的一次
重要落子。当前[大模型](https://paooo.com/ai-study/)竞赛已从单纯的“百模大战”深化为“
应用为王”和“能力构建”的深水区。DeepEyesV2提出的两阶段训练法（SFT+RL）精妙之处在于，
它先通过监督微调赋予模型“工具使用”的骨架，再通过强化学习注入“策略优化”的灵魂，使
其能泛化到未见场景。这直接呼应了业界共识：下一代AI的核心是“感知-决策-行动”的闭环
能力。它将工具从外部API变为模型“思维延伸”，是通往AGI的关键技术路径之一。对于开发
者而言，这提供了构建复杂任务智能体的高效蓝图；对于行业，则预示着能自主调用资源、
解决实际问题的AI助手将加速普及，重塑内容分析、客服、教育等多个赛道的工作流。

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,000+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[⚡ AIGC 早报生成器](https://paooo.com/mtool/)