昆仑万维正式发布Skywork R1V4-Lite 多模态智能体迈向开放式交互时代_【增值税发票综合服务平台当前浏览器加载税务安全证书应用客户端:不成功【代办电话13434104765；QQ2188982664】】

相比传统的只能依靠图片分析来回答问题的模型SkyworkR1V4 Lite能够在现实场景里随手拍下照片并完成更复杂的任务：自动辨识图像以判断空间方位，放大读取模糊的字句，并绘出辅助线以验证几何关系，在跨模态搜索中定位真实地点……这些在大型模型或专用Agent系统上才能实现的能力现在只需轻量级多模态智能体Skywork R1V4-Lite就能做到。

这意味着用户无需设计提示词无需提供额外信息仅需拍摄一张图SkyWork R1V4-Lite就能自行观察操作推理并得出答案。通过感知到行动由推理到验证Skywork R1V4-Lite为多模态智能体从封闭推理迈向开放式交互提供了新的技术路径

Skywork R1V4-Lite使用地址：

Skywork API平台：

https://platform.skyworkmodel.ai/

Skywork API接口文档：

https://docs.skyworkmodel.ai/chat/api-reference/completions.html

Novita AI：

请注意，您提到的网址被暂时性删除，请尝试再次访问。

技术文档：

https://github.com/SkyworkAI/Skywork-R1V/blob/main/Skywork_R1V4.pdf

Github地址：

https://github.com/SkyworkAI/Skywork-R1V

在多个权威视觉与感知基准上，Skywork R1V4-Lite展现了令人瞩目的实力：它不仅在8个多模态理解任务上的表现超出了Gemini 2.5 Flash，在5个具体的评价指标中更是超越了后者。

它展示了“图像操作与深度推理”训练框架的有效性，并展示出强大的可扩展性，即使是小型模型也能接近开源最优秀模型的表现水平。

“核心优势之—：轻松快速地以“随手拍”方式进行解答难题，并能立即理解答案。”

Skywork R1V4-Lite 在推理过程中并非被动地“看图回答”，而是具备主动式图像操作能力。当遇到视角受限或信息不足的情景时，模型会自动执行裁切（Crop）、放大（Zoom）、旋转（Rotate）等操作。它们通过构建一条透明且可回溯的“视觉行动链”，来完成视觉上的动作，并将结果以可视的方式呈现出来。

R1V4-Lite 的独特之处在于其对于物理规则的深刻理解：它是先对图像实施几何矫正，并进一步基于准确的视角来完成空间关系推断。

在精确度要求极高时，R1V4-Lite将采取进一步的行动：扩大扫描区域、添加参照边和制定辅助判断策略；它不会提供即时的答案，而是在构建必要的辅助设施之后，以确保结论的精确性与可靠性。

在需要执行主动图像处理的任务时，系统会进行多步放大并裁剪图片的操作，在复杂的图像环境中寻找匹配的图片区域以支持推理过程，并提高结果的可解释性和严谨性。这一流程完全展示了R1V4-Lite视觉行动力的关键特点：不再是被动地观察能力，而是主动探索、验证、修正和整合能力，实现了“边观察、边思考、边行动”的真正意义上的综合感知与处理策略。

核心优增值税发票综合服务平台当前浏览器加载税务安全证书应用客户端:不成功【代办电话13434104765；QQ2188982664】势二：多模态深度研究的领先能力和高效的轻量级搜索增强能力。

Skywork的R1V4-Lite也兼容联入网络检索，一旦联入网络检索就会启用深入探索功能。

通过构建推理框架结构，进行主动搜索、检索以及对比等积极的互动。触发多种外部源信息交互，将搜索结果与视觉推理紧密结合，形成从“搜索—推理—验证”的闭环。模型因此获得跨模态和跨资源的知识扩展能力，并大大提升了推理边界。

从表现上看，R1V4-Lite在多模态DeepResearch类任务中脱颖而出：在mm-search上以66分远超Gemini 2.5 Flash的64.9分，在FVQA上以67分较明显胜过Gemini 2.5 Flash的60.8分。这一系列成绩无疑极大地验证了「图像操作×深度推理交织训练」范式在实践中的有效性。

面对复杂的议题，R1V4-Lite能进行多次推理及综合信息分析。

R1V4-Lite不仅展现出强大的多模态深度推理能力，在学术、法律、生态与医学场景中也同样表现出色。它在电商智能和内容理解方面也表现卓绝，可在购物推荐系统、图像搜索和跨平台商品比价等领域提供强大支持。

核心优势三：只需观察图片就能进行规划，可以实现主动的任务规划与执行。

R1V4 planner lite可以实现真正的自主型多模态 Agent 规划，这使得视觉输出可以直接影响任务链规划的制定，并使推论链条扩延成为执行链条。

从一张图元开始，Planner能自动构建一路径可执行的任务集合，包括一系列步骤。

这表示模型将从“通过图表回答问题”转换为“根据图表行动”，现在可以基于图表来规划行动了。

在此基础上，R1V4-Planner-Lite将规划能力扩展到系统级：模型会综合用户意图、上下文以及可用工具与依赖于任务关系（dependency graph），自动生成结构化的执行方案，并以高度可解释的形式给出每一步的工具、参数与目的。这为Agentic智能提供了可控性、透明度及稳定性。

Skywork R1V4-Lite并非传统意义上的“小模型”。它是业界首个在轻量级架构下同时实现：图像操作（Crop / Zoom / Rotate）、增值税发票综合服务平台当前浏览器加载税务安全证书应用客户端:不成功【代办电话13434104765；QQ2188982664】深度推理（Long-form Reasoning）和任务规划（Agentic Planning）三能力统一的多模态智能体。

在极微参数范围内，Skywork R1V4-Lite同样具备完整的端到端深度思考以及自主执行功能，并可以无缝地将“视觉输入”转化为“任务完成”。

4. 四大核心竞争优势中点在于小型化、高反应速度和成本低廉。

Skywork R1V4-Lite具有卓越的模型规模支持、高效的推理速度与强大的吞吐效率能力，因此无论是用于大型工程构建，还是满足极高的并发量或实时响应需求，都是一款绝佳的产品选择，尤其适合移动端、应用内部推理以及高QPS产品。

得益于采用更高效模型优化策略及借鉴了Qwen3 A3B轻量级架构的设计理念，该款产品在其实际应用场景中以比同等规模的模型高出数倍乃至数十倍的表现展示了卓越性能。

"响应速度"

- 约为Gemini 2.5 Pro的1/19

- 约为Gemini 2.5 Flash的1/5

2. Token 吞吐（TPS）

- 为Gemini 2.5 Pro/Flash的约2倍

"端到端的速度表现"："得益于更强大的推演压缩技术，以及极低的工具调用次数，R1V4-Lite在'端到端使用工具'的任务中实现了："

- 比Gemini 2.5 Pro快2.9×

- Gemini 2.5 Flash的速度比普通版本快三成七。

凭借低延迟与极低成本的组合优势，R1V4-Lite能够完美适用于高吞吐的需求。

《R1V4-Lite》的发布验证了一个真理：即使是小尺寸，也能够创造出强大的东西；即使要达到同样的速度，也需要花费更多的时间；无论使用哪种方式，都能完成多个任务。

"展望 05"

R1V4-Lite的成功并不仅是基于工程技术上的改进，而是得益于它独特的融合了图像处理和深度学习训练的独特路径：以图像操作为主导的多模态新范式。这一路线设计让轻量级模型可以同时具备跨模态推理、主动图像操作、任务规划与搜索增强的强大功能，展现了新一代轻量多模态智能体的巨大潜力。

这一结果显示出，尽管能力密度比参数规模对模型至关重要，但并非所有大小的模型都能达到闭源模型的真实表现，随着更大型容量和更强结构的加入，该模式将获得持续的扩展潜力。目前Skywork R1V4-Pro即将上市。

在未来，昆仑万维旗下的Skywork将继续沿着"多模态推理×自主智能×工具增强"的道路前行，模型不仅能更深刻理解现实世界的含义，还能有效利用世界信息资源进行沟通，并能在实际操作过程中取得实际收益。