使用场景

输入网友拍摄的温布利球场图片，Step-R1-V-Mini能够迅速识别图中元素进行地点推理，准确推断出地点为温布利体育场，并给出可能的对战双方。

输入一张美食图，Step-R1-V-Mini能够精准识别菜品和蘸料，并详细列出具体用量，如“鲜虾300g、大葱白2根”等。

输入一张含有不同形状、颜色和位置的物体摆放图，Step-R1-V-Mini能够逐一识别，根据物体的颜色、形状和位置进行推理计算，最终得出剩下的物体数量。

产品特色

支持图文输入和文字输出，能够高精度感知图像并完成复杂推理任务。

采用多模态联合强化学习，基于PPO强化学习策略，在图像空间引入verifiable reward，有效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的问题。

充分利用多模态合成数据，设计了大量基于环境反馈的多模态数据合成链路，通过基于PPO的强化学习训练同步提升模型文本和视觉的推理能力。

在多个公开榜单中表现亮眼，特别是在MathVision视觉推理榜单上位列国内第一，展现了其在视觉推理、数学逻辑和代码等方面的优异表现。

已正式上线阶跃AI网页端，并在阶跃星辰开放平台提供API接口，方便开发者和研究人员体验和使用。

具备良好的指令遵循和通用能力，能够适应多种多模态推理场景。

通过精准的图像识别和推理，能够为用户提供准确的地点、菜谱、物体数量等信息。

持续探索和优化，为多模态推理领域带来新的希望和可能性。

使用教程

访问阶跃AI网页端或阶跃星辰开放平台

注册并登录平台，获取API接口权限。

根据需求选择合适的API接口，按照文档说明进行调用。

将需要推理的图文数据作为输入，发送请求至API接口。

接收并处理API返回的推理结果，根据结果进行后续操作。