历久以来，开源多模态模子在复杂推理任务上，恒久与 GPT-4o、Gemini 等顶尖闭源模子存在沿途难以逾越的界限。

社区建筑者们逐步意志到，核肉痛点大致不在于模子架构的精进或者模子参数的领域。真确的瓶颈，在于高质地、想维链（CoT）密集的推理数据非常匮乏。

在纯文身手域，DeepSeek-R1 的到手已考据了高质地后测验数据（Post-training Data）的威力，但在多模态领域，咱们面临的是横亘在目下的「两座大山」：

数据失衡：现存开源多模态数据仍以浅薄 VQA 与当然图像为主，而关于真确具有高推理价值的数据，如 STEM 图表、逻辑谜题、复杂视觉象征等数据不仅少，何况标注资本极高。

推理质地交集不都：即便现存的「推理数据」也存在推理过程短、模版化，标注粒度不及、短少中间考据、视觉与逻辑推理割裂的问题。

为了填补这一空缺，上海 AI 实验室 OpenDataLab 盘问团队安逸开源了 MMFineReason 框架。这既是一套全历程 100% 基于开源生态、可复现的多模态推理数据合成 Pipeline，同期也开源了由此体式构建的包含 1.8M 高质地样本、5.1B Token 的大领域数据集。

论文标题：MMFineReason: Closing the Multimodal Reasoning Gap via Open Data-Centric Methods

Huggingface 论文：https://huggingface.co/papers/2601.21821

样貌主页：https://mmfinereason.github.io/

数据集 & 模子：https://huggingface.co/collections/OpenDataArena/mmfinereason

小模子，大性能：高效数据遴荐的远大上风

{jz:field.toptypename/}

先来秀一秀性能遗弃。团队很惊喜的发现，MMFineReason 的出现，象征着多模态模子干预了「以小博大」的新阶段。

实验数据裸露，MMFineReason-4B 模子基于 Qwen3-VL-4B 测验而成，其推理材干不仅杰出了 Qwen3-VL-8B-Thinking，性能更是直逼 30B 参数领域的 Qwen3-VL-30B-A3B-Thinking。

更令盘问团队惊喜的是，相通基于同尺寸底座测验的 MMFineReason-8B，发达愈加优秀：它平直打败了 Qwen3-VL-30B-A3B-Thinking 和 Gemini-2.5-Flash，并运行向 GPT5-mini-High 及 Qwen3-VL-32B-Thinking 等顶级模子发起冲击。

值得强调的是，这种「跨级碾压」的性能跃迁并非来悔改的模子结构策画，也不是通过更复杂的测验手段兑现的，而险些完全源于数据层面的变化 —— 尤其是推理数据的结构化进程与单元样本中的有用推理密度。

更进一步，团队还发现通过难度感知过滤，能兑现极高的数据调度后果：仅使用总量 7%（约 123K）的高难度精选子集数据，即可忘形全量 1.8M 数据相等的性能发达。

因此，当数据被有用筛选、难度与模子材干精准对都时，数据遴荐自身就成为决定参数后果的中枢杠杆。

揭秘「Closed-Source Level」数据管线：完全开源的数据坐褥线

不同于依赖黑盒 API 的传统决策，MMFineReason 构建了一套完全开源的透明且高效的 Pipeline，全历程 100% 基于开源模子。扫数历程主要通过三个阶段来兑现高质地数据的坐褥：

数据圭臬化：最初从起源界说「什么是可推理任务」，对 STEM、Puzzle、图、几何、科学表等多领域数据进行圭臬化处罚并融合 Schema，并进行严格的清洗。

推理蒸馏：哄骗 Qwen3-VL-235B-Thinking 动作诚恳模子进行推理蒸馏，并严格战胜四阶段推理框架：「视觉感知 → 逻辑推导 → 中间考据 → 论断阐发」，从而来生成可贵且具备「视觉落地」材干的 CoT 推理轨迹。

双重过滤：为了确保测验的高效性，kaiyun sports团队引入了双层筛选机制，第一是正确性过滤，确保谜底与推理过程严格一致；在剔除低质地 CoT 的基础上，进行难度感知（Difficulty-Aware）过滤，异常筛选出对 Qwen3-VL-4B 小模子具有高「测验价值」的样本，即「小模子巩固失败」的样本，从而幸免了无效数据的堆砌。

最终，盘问团队赢得了 MMFineReason-1.8M（正确全量）， MMFineReason-586K（正确且去掉过于浅薄样本），以及 MMFineReason-123K（正确且最贫瘠样本）三个高质地数据集。

MMFineReason-1.8M：专为「深度推理」打造的高质地多模态数据

与其说 MMFineReason 是一个老例的 VQA 数据集，倒不如将其界说为一个专为多模态大模子准备的「硬核想维测验场」。在现时多模态领域大宗堕入「数据饥渴」与「想维链断层」的配景下，该样貌展现出了极具辨识度的中枢特征。

最初，MMFineReason 在想维深度上兑现了质的飞跃。比拟 HoneyBee 等同类数据集，其平均想维链（CoT）长度达到了惊东说念主的 2，910 tokens，领域足足是前者的 2.7 倍。这种长旅途推理数据的引入，试验上是让模子告别了浅薄的「直观判断」，转而掌持一套详备且具象的「视觉 - 逻辑」推导范式。

在领域溜达上，盘问团队展现出了昭着的去等闲化导向，坚韧拒却易于「刷分」的浅薄样本，转而深耕高难度逻辑本地。

数据议论，数学领域以 79.4% 的全都占比强化了象征推理根基，涵盖了几何、微积分等深度学科；13.8% 的科学数据则聚焦于复杂的物理、化学图表分析；此外，数据集还引入了 4.6% 的谜题与游戏数据，通过轮廓步地识别与政策博弈，陆续试探并挑战开源模子的身手上限。

图为 MMFineReason 数据集的数据溜达情况。不错看到数据集的领域掩饰了数学、谜题与游戏、几何 / 微积分、图表与复杂科学等。

更具真切酷好的细察在于这种高强度测验带来的「协同普及效应」。实验遗弃突破了专项测验会减轻通用材干的固有剖判：当模子在 STEM 和逻辑难题上进行深度钻研时，其在一般性 VQA 任务上的发达反而赢得了同步增强。这种以点带面的材干开释，再次印证了高质地逻辑链条才是驱动模子性能跨级演进的真逻辑。

结语与意想

MMFineReason 的开源，讲解了在多模态领域，当模子架构逐步陆续、参数领域的边缘收益陆续着落，决定材干差距的，不再是模子有多大，而是「数据是否确凿教授模子怎样推理」。通过素雅化的数据工程，小参数模子完全有后劲在复杂推理任务上抵抗甚而杰出大参数模子。

这不是一次领域的到手，而是 Data-Centric 体式论的到手。咱们期待将来在多模态开源大模子的路上，能用更高效、更高价值的数据来促进社区的越过。

当今，该样貌已在 Huggingface 及 GitHub 全面上线，为开源社区提供了从数据到用具链的完好撑持。