阶跃星辰宣布推出全新多模态推理模型 Step-R1-V-Mini，支持图文输入、文字输出、有良好的指令遵循和通用能力，能够高精度感知图像并完成复杂推理任务。

技术亮点

为了提升模型在多模态协同场景下的推理表现，开发团队在训练方法上做了两项重要尝试：

• 第一，多模态联合强化学习

Step-R1-V-Mini 的训练路径基于 PPO 强化学习策略，在图像空间引入 verifiable reward 来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。相较 DPO 等方法，在处理图像空间的复杂链路时更具泛化性与鲁棒性。

• 第二，充分利用多模态合成数据

目前多模态数据的反馈信号相对难以获得。设计了大量基于环境反馈的多模态数据合成链路，合成了可规模化训练的多模态推理数据，并通过基于 PPO 的强化学习训练同步提升模型文本和视觉的推理能力，有效避免了训练跷跷板问题。

公告称，Step-R1-V-Mini 在多个公开榜单中表现亮眼，在 MathVision 视觉推理榜单位列国内第一，在视觉推理、数学逻辑和代码等方面表现优异。

目前，Step-R1-V-Mini 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。