

Step R1 V Mini
簡介 :
Step-R1-V-Mini是階躍星辰推出的全新多模態推理模型,支持圖文輸入和文字輸出,具備良好的指令遵循和通用能力。該模型在多模態協同場景下的推理表現上進行了技術優化,採用了多模態聯合強化學習和充分利用多模態合成數據的訓練方法,有效提升了模型在圖像空間的複雜鏈路處理能力。Step-R1-V-Mini在多個公開榜單中表現亮眼,特別是在MathVision視覺推理榜單上位列國內第一,展現了其在視覺推理、數學邏輯和代碼等方面的優異表現。該模型已正式上線階躍AI網頁端,並在階躍星辰開放平臺提供API接口,供開發者和研究人員體驗和使用。
需求人群 :
該產品適用於需要進行多模態推理的開發者、研究人員和企業,如圖像識別、地點判斷、菜譜生成等領域,能夠幫助他們高效地處理複雜的多模態數據,提高工作效率和準確性,推動相關領域的技術創新和發展。
使用場景
輸入網友拍攝的溫布利球場圖片,Step-R1-V-Mini能夠迅速識別圖中元素進行地點推理,準確推斷出地點為溫布利體育場,並給出可能的對戰雙方。
輸入一張美食圖,Step-R1-V-Mini能夠精準識別菜品和蘸料,並詳細列出具體用量,如“鮮蝦300g、大蔥白2根”等。
輸入一張含有不同形狀、顏色和位置的物體擺放圖,Step-R1-V-Mini能夠逐一識別,根據物體的顏色、形狀和位置進行推理計算,最終得出剩下的物體數量。
產品特色
支持圖文輸入和文字輸出,能夠高精度感知圖像並完成複雜推理任務。
採用多模態聯合強化學習,基於PPO強化學習策略,在圖像空間引入verifiable reward,有效解決圖片空間推理鏈路複雜、容易產生混淆的相關和因果推理錯誤的問題。
充分利用多模態合成數據,設計了大量基於環境反饋的多模態數據合成鏈路,通過基於PPO的強化學習訓練同步提升模型文本和視覺的推理能力。
在多個公開榜單中表現亮眼,特別是在MathVision視覺推理榜單上位列國內第一,展現了其在視覺推理、數學邏輯和代碼等方面的優異表現。
已正式上線階躍AI網頁端,並在階躍星辰開放平臺提供API接口,方便開發者和研究人員體驗和使用。
具備良好的指令遵循和通用能力,能夠適應多種多模態推理場景。
通過精準的圖像識別和推理,能夠為用戶提供準確的地點、菜譜、物體數量等信息。
持續探索和優化,為多模態推理領域帶來新的希望和可能性。
使用教程
訪問階躍AI網頁端或階躍星辰開放平臺
註冊並登錄平臺,獲取API接口權限。
根據需求選擇合適的API接口,按照文檔說明進行調用。
將需要推理的圖文數據作為輸入,發送請求至API接口。
接收並處理API返回的推理結果,根據結果進行後續操作。
精選AI產品推薦

Deepmind Gemini
Gemini是谷歌DeepMind推出的新一代人工智能系統。它能夠進行多模態推理,支持文本、圖像、視頻、音頻和代碼之間的無縫交互。Gemini在語言理解、推理、數學、編程等多個領域都超越了之前的狀態,成為迄今為止最強大的AI系統之一。它有三個不同規模的版本,可滿足從邊緣計算到雲計算的各種需求。Gemini可以廣泛應用於創意設計、寫作輔助、問題解答、代碼生成等領域。
AI模型
11.4M
中文精選

Liblibai
LiblibAI是一箇中國領先的AI創作平臺,提供強大的AI創作能力,幫助創作者實現創意。平臺提供海量免費AI創作模型,用戶可以搜索使用模型進行圖像、文字、音頻等創作。平臺還支持用戶訓練自己的AI模型。平臺定位於廣大創作者用戶,致力於創造條件普惠,服務創意產業,讓每個人都享有創作的樂趣。
AI模型
8.0M