pipeline_tag: 图像文本到文本 library_name: transformers license: mit

天工-R1V2

📖 R1V2技术报告 | 💻 GitHub代码库 | 🌐 ModelScope模型库

1. 模型简介

天工-R1V2-38B是当前最先进的开源多模态推理模型，在多项基准测试中表现卓越：

• 在MMMU测试中获得73.6%的分数，是目前所有开源模型中的最高成绩
• 在OlympiadBench上达到62.6%，大幅领先其他开源模型
• 在MathVision、MMMU-Pro和MathVista等测试中表现强劲，媲美商业闭源模型
• 整体而言，R1V2是兼具强大视觉推理与文本理解能力的高性能开源视觉语言模型

🔧 模型参数

2. 性能评估

3. 使用指南

1. 克隆代码库

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

2. 配置环境

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

3. 运行推理脚本

transformers推理

CUDA_VISIBLE_DEVICES="0,1" python inference_with_transformers.py \
    --model_path 模型路径 \
    --image_paths 图片1路径 \
    --question "您的问题"

vllm加速推理

python inference_with_vllm.py \
    --model_path 模型路径 \
    --image_paths 图片1路径 图片2路径 \
    --question "您的问题" \
    --tensor_parallel_size 4

4. 引用声明

如您的研究中使用天工-R1V系列模型，请引用：

@misc{chris2025skyworkr1v2multimodalhybrid,
      title={天工 R1V2：基于混合强化学习的多模态推理框架}, 
      author={Chris and 魏奕辰 and 彭毅 and