近日，上海大模型独角兽企业阶跃星辰发布多模态推理模型Step-R1-V-Mini，这款模型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。

据悉，DeepSeek-R1为代表的推理模型，大多都是大语言模型，主要用于文本对话领域。而Step-R1-V-Mini可在多模态基础上实现推理能力，相当于大模型不仅能进行文字思考，还能对“看懂”图片再进行思考。目前，用户已经可以在阶跃AI网页端体验，该大模型还面向开发者推出API接口。

据阶跃星辰介绍，Step-R1-V-Mini具有超强的感知能力和推理能力，能精准捕捉画面中的各种细节，并基于用户指令进行深度推理，用户也可以清晰地看到Step-R1-V-Mini的思维链路。比如上传一张家常菜照片并询问菜品做法，模型可以清晰地识别出加工前使用的菜品、蘸料，并给出“虾仁300g、大葱白2根”等细节丰富的操作方式。

Step-R1-V-Mini的模型性能在多个公开基准评测榜单中表现亮眼，在MathVision等视觉推理榜单中位列国内第一，在视觉推理、数学逻辑和代码等方面表现优异。

阶跃星辰创始人、CEO姜大昕表示，多模态和推理是“智能体”两大必备要素，今年将重点发力智能终端，新发布的Step-R1-V-Mini则是今年战略主线的最新进展。

转载自：投资上海