历久以来，开源多模态模子在复杂推理任务上，永恒与 GPT-4o、Gemini 等顶尖闭源模子存在一齐难以逾越的边界。

社区建立者们徐徐意志到，核肉痛点约略不在于模子架构的精进或者模子参数的领域。CoT确切的瓶颈，在于高质料、念念维链（）密集的推理数据额外匮乏。

{jz:field.toptypename/}

在纯文身手域，DeepSeek-R1 的得胜已考据了高质料后检会数据（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苟简 VQA 与当然图像为主，而关于确切具有高推理价值的数据，如 STEM 图表、逻辑谜题、复杂视觉标记等数据不仅少，况且标注资本极高。

推理质料缭乱不王人：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、清寒中间考据、视觉与逻辑推理割裂的问题。

为了填补这一空缺，上海 AI 实践室 OpenDataLab 筹商团队崇敬开源了 MMFineReason 框架。这既是一套全过程 100% 基于开源生态、可复现的多模态推理数据合成 Pipeline，同期也开源了由此样式构建的包含 1.8M 高质料样本、5.1B Token 的大领域数据集。

论文标题：MMFineReason: Closing the Multimodal Reasoning Gap via Open 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：高效数据采取的巨大上风

先来秀一秀性能收尾。团队很惊喜的发现，MMFineReason 的出现，标志着多模态模子插足了「以小博大」的新阶段。

实践数据透露，MMFineReason-4B 模子基于 Qwen3-VL-4B 检会而成，其推理才略不仅越过了 Qwen3-VL-8B-Thinking，性能更是直逼 30B 参数领域的 Qwen3-VL-30B-A3B-Thinking。

更令筹商团队惊喜的是，通常基于同尺寸底座检会的 MMFineReason-8B，进展愈加优秀：它径直打败了 Qwen3-VL-30B-A3B-Thinking 和 Gemini-2.5-Flash，并驱动向 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贪图，也不是通过更复杂的检会工夫已毕的，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灵验推理密度。

更进一步，团队还发现通过难度感知过滤，能已毕极高的数据协调成果：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 数据额外的性能进展。

因此，当数据被灵验筛选、难度与模子才略精准对王人时，数据采取本人就成为决定参数成果的中枢杠杆。

揭秘「Closed-Source Level」数据管线：完全开源的数据分娩线

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，全过程 100% 基于开源模子。扫数过程主要通过三个阶段来已毕高质料数据的分娩：

数据方法化：最初从源流界说「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方法化惩处并长入 Schema，并进行严格的清洗。

推理蒸馏：期骗 Qwen3-VL-235B-Thinking 手脚淳厚模子进行推理蒸馏，并严格谨守四阶段推理框架：「视觉感知 → 逻辑推导 → 中间考据 → 论断阐明」，从而来生成扎眼且具备「视觉落地」才略的 CoT 推理轨迹。

双重过滤：为了确保检会的高效性，亚博体彩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；在剔除低质料 CoT 的基础上，进行难度感知（Difficulty-Aware）过滤，故意筛选出对 Qwen3-VL-4B 小模子具有高「检会价值」的样本，即「小模子相识失败」的样本，从而幸免了无效数据的堆砌。

最终，筹商团队取得了 MMFineReason-1.8M（正确全量）， MMFineReason-586K（正确且去掉过于苟简样本），以及 MMFineReason-123K（正确且最艰苦样本）三个高质料数据集。

MMFineReason-1.8M：专为「深度推理」打造的高质料多模态数据

与其说 MMFineReason 是一个惯例的 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「硬核念念维检会场」。在现时多模态领域大宗堕入「数据饥渴」与「念念维链断层」的布景下，该样貌展现出了极具辨识度的中枢特征。

最初，MMFineReason 在念念维深度上已毕了质的飞跃。比拟 HoneyBee 等同类数据集，其平均念念维链（CoT）长度达到了惊东谈主的 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，骨子上是让模子告别了苟简的「直观判断」，转而掌执一套详备且具象的「视觉 - 逻辑」推导范式。

在领域散布上，筹商团队展现出了清澈的去正常化导向，刚毅拒却易于「刷分」的苟简样本，转而深耕高难度逻辑本地。

数据汇集，数学领域以 79.4% 的十足占比强化了标记推理根基，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，通过综合模式识别与政策博弈，不休试探并挑战开源模子的才略上限。

图为 MMFineReason 数据集的数据散布情况。不错看到数据集的领域遮蔽了数学、谜题与游戏、几何 / 微积分、图表与复杂科学等。

更具深刻真理的细察在于这种高强度检会带来的「协同提高效应」。实践收尾突破了专项检会会消弱通用才略的固有默契：当模子在 STEM 和逻辑难题上进行深度钻研时，其在一般性 VQA 任务上的进展反而取得了同步增强。这种以点带面的才略开释，再次印证了高质料逻辑链条才是驱动模子性能跨级演进的真逻辑。

结语与预测

MMFineReason 的开源，证明注解了在多模态领域，当模子架构徐徐照顾、参数领域的旯旮收益不休下落，决定才略差距的，不再是模子有多大，而是「数据是否确凿教诲模子怎么推理」。通过精雅化的数据工程，小参数模子完全有后劲在复杂推理任务上顽抗以致越过大参数模子。

这不是一次领域的告捷，而是 Centric 样式论的告捷。咱们期待曩昔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跨越。

现在，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好意思满撑持。