# Step-R1-V-Mini – 阶跃星辰最新推出的多模态推理模型

- Link: https://paooo.com/aigc-news/20483/
- Published: 2026-06-08T21:51:54+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 支持图文输入、文字输出，视觉推理能力突出，在 MathVision 视觉推理榜单中位列国内
   第一。
 * 采用 PPO 多模态联合强化学习与可验证奖励机制，提升图像空间推理的泛化性和鲁棒性。
 * 可用于图像识别、物体计数、菜谱识别、数学与代码推理，适合开发者和企业接入。

## Step-R1-V-Mini是什么

Step-R1-V-Mini 是阶跃星辰最新推出的多模态推理模型。支持图文输入和文字输出，具备良好
的指令遵循和通用能力，能高精度感知图像完成复杂推理任务。模型在视觉推理领域表现突出，
同时在数学、代码和文本推理方面也处于第一梯队。采用多模态联合强化学习，基于 PPO 策略
在图像空间引入可验证奖励机制，提升泛化性和鲁棒性。通过多模态合成数据训练，有效解决
了训练中的跷跷板问题。

阅读目录

 * [Step-R1-V-Mini是什么](https://paooo.com/aigc-news/20483/#stepr1vmini%e6%98%af%e4%bb%80%e4%b9%88)
 * [Step-R1-V-Mini的主要功能](https://paooo.com/aigc-news/20483/#stepr1vmini%e7%9a%84%e4%b8%bb%e8%a6%81%e5%8a%9f%e8%83%bd)
 * [Step-R1-V-Mini的技术原理](https://paooo.com/aigc-news/20483/#stepr1vmini%e7%9a%84%e6%8a%80%e6%9c%af%e5%8e%9f%e7%90%86)
 * [如何使用Step-R1-V-Mini](https://paooo.com/aigc-news/20483/#%e5%a6%82%e4%bd%95%e4%bd%bf%e7%94%a8stepr1vmini)
 * [Step-R1-V-Mini的应用场景](https://paooo.com/aigc-news/20483/#stepr1vmini%e7%9a%84%e5%ba%94%e7%94%a8%e5%9c%ba%e6%99%af)

![Step-R1-V-Mini](https://paooo.com/wp-content/uploads/2026/06/Step-R1-V-Mini-website-
1.avif)

## Step-R1-V-Mini的主要功能

 * **多模态输入与输出**：支持图文输入与文字输出，能处理图像和文字信息，以文字形式
   输出推理结果，具备良好的指令遵循和通用能力。
 * **高精度图像感知与推理**：能高精度感知图像并完成复杂推理任务，例如通过图像识别
   特定地点、分析美食图片并生成详细菜谱等。在 MathVision 视觉推理榜单中位列国内第一。
 * **数学问题求解**：能构建合理的推理链，对复杂数学问题进行规划和逐步求解，包括奥
   数难题和几何题目。
 * **逻辑推理分析**：自主尝试多种解题思路，自我反问以确保枚举出所有良好解决方案，
   在交卷前检查有无遗漏。
 * **复杂算法题解答**：能正确解答 LeetCode 技术平台上难度评级为“Hard”的算法题。
 * **代码逻辑构建**：逐步分析用户需求和意图，构建代码逻辑，在代码写作中穿插对当前
   代码片段的分析和验证。
 * **文学创作**：深入理解用户表达需求，分析创作主题、文学题材等要求，赋予事物人类
   情感层面的象征意义，增加个性化、创新的表达风格。

## Step-R1-V-Mini的技术原理

 * **多模态联合强化学习**：Step-R1-V-Mini 基于 PPO（Proximal Policy Optimization）
   策略的强化学习方法。PPO 是一种 On-Policy 算法，通过在线生成样本实时更新模型。
   在图像空间，模型引入了可验证奖励机制（verifiable reward），解决图片空间推理链
   路复杂、容易产生混淆的相关和因果推理错误。相比传统的 DPO（Direct Preference Optimization）
   等方法，PPO 在处理图像空间的复杂链路时更具泛化性和鲁棒性。
 * **高质量多模态数据合成**：由于多模态数据的反馈信号相对难以获得，Step-R1-V-Mini
   设计了大量基于环境反馈的多模态数据合成链路。通过合成可规模化训练的多模态推理数据，
   结合基于 PPO 的强化学习训练，模型能同步提升文本和视觉的推理能力。有效避免了训练
   中的“跷跷板”问题，即不同模态能力此消彼长的问题。
 * **冷启动与多阶段强化学习**：Step-R1-V-Mini 的训练过程还涉及冷启动和多阶段强化
   学习。首先，通过收集高质量的冷启动数据（如 CoT 数据）对基础模型进行微调，得到
   初始模型。然后，基于模型进行大规模的强化学习训练，使其涌现推理能力。接着，使用
   训练后的模型生成高质量的 SFT 数据，混合其他领域的数据，再次进行 SFT 训练。最后，
   使用所有领域的数据进行最终的强化学习，得到最终的模型。

## 如何使用Step-R1-V-Mini

 * **访问阶跃AI网页端**：Step-R1-V-Mini 已正式上线[阶跃AI](https://ai-bot.cn/sites/9802.html)，
   可以访问官方网站直接选择模型进行推理任务。
 * **调用API接口**：对于开发者或企业用户，Step-R1-V-Mini 在阶跃星辰开放平台提供了
   API接口，可以通过访问阶跃星辰开放平台获取详细的API文档和调用方法。
 * **视觉推理**：用户可以上传图像并输入相关问题，模型能高精度感知图像并完成复杂推理
   任务，例如识别图像中的地点、物体数量计算、菜谱识别等。
 * **数学与逻辑推理**：输入数学问题或逻辑推理题目，模型能构建合理的推理链并逐步求解。

## Step-R1-V-Mini的应用场景

 * **图像识别与分析**：能高精度感知图像并完成复杂推理任务。模型可以迅速识别图中元素，
   结合颜色、物体等信息，综合判断出地点为温布利体育场，给出对战双方的可能信息。
 * **物体数量计算**：输入一张含有不同形状、不同颜色、不同位置的物体摆放图，模型能
   逐一识别并进行逻辑推理，最终得出剩余物体的数量。
 * **菜谱识别**：输入一张美食图，模型能精准识别菜品和蘸料，详细列出具体用量。
 * **多模态数融合**：能处理包含文本和图像的多模态数据，生成综合的推理结果。
 * **跨模态推理**：将图像转换为形式化的文本描述，使语言模型能够精确地处理和推理图像。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**阶跃AI ↗**

阶跃AI是由阶跃星辰推出的多模态AI聊天机器人平台，其核心功能围绕构建一个高度可扩展
的智能体生态。它不仅仅是一个

❓ 常见问题解答（FAQ）

Step-R1-V-Mini 主要擅长什么？

它是一款多模态推理模型，支持图文输入、文字输出，重点擅长视觉推理，同时在数学、代码
和文本推理方面也处于第一梯队，适合复杂理解与推理任务。

Step-R1-V-Mini 的技术亮点是什么？

核心亮点是基于 PPO 的多模态联合强化学习，并在图像空间引入可验证奖励机制，结合多模
态合成数据训练，提升了泛化性、鲁棒性，也缓解了训练中的“跷跷板”问题。

Step-R1-V-Mini 可以怎么使用？

用户可在阶跃AI网页端直接选择模型进行推理；开发者或企业用户也可通过阶跃星辰开放平台
调用 API，适用于图像识别、物体计数、菜谱识别以及数学和逻辑推理。

🔬 语宙深潜追问 · 进阶实操拆解

PPO 多模态联合训练难点在哪？

核心难点是奖励稀疏和模态对齐。实操上要把可验证任务拆成细粒度 reward，给图文一致性、
推理链正确性和最终答案分别打分，并控制采样温度与 KL 约束，避免模型学会投机取巧。

如何评估多模态推理是否真提升？

不要只看单一 benchmark，最好覆盖视觉问答、图表理解、数学推理和代码题。再加上真实
业务样本做人工复核，重点观察错误类型是否从“看不见”变成“会推错”，这才说明模型真的
在进步。

🗳️ 读者观点微投票 · 您的实战立场是？

多模态推理模型该先拼能力还是先拼可落地？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [Step R-mini – 阶跃星辰推出的 Step 系列首个推理模型](https://paooo.com/aigc-news/22855/)
 * [R1-Onevision – 开源多模态视觉推理模型，基于 Qwen2.5-VL 微调](https://paooo.com/aigc-news/21512/)
 * [Skywork-R1V 2.0 – 昆仑万维开源的新版多模态推理模型](https://paooo.com/aigc-news/20199/)
 * [Pixel Reasoner：滑铁卢&港科大联手打造，像素空间推理VLM革新视觉理解](https://paooo.com/aigc-news/17073/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/20483/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 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/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
