近日，字节跳动与香港大学联合推出了一款全新的开源视觉推理模型 ——Mini-o3，标志着多轮视觉推理颠覆技术的又一重大突破。与以往只能进行1-2轮对话的视觉语言模型（VLM）不同，Mini-o3在训练时限制了传统对话轮数为6轮，但在测试阶段却能将推理轮数扩展至数十轮，极大提升了视觉问题处理的能力。

Mini-o！M3的强大之处在于其在高难度视觉搜索任务中实现了深度推理，达到当前技术的顶尖水平。这得益于该模型的三个核心设in计要素。首先，研究团队构建了一个名为 VisualProbe 的视觉探测数据集，包含数千个针对探索性推理设计的i-视觉搜索难题。其次，他们开发了一种迭代数据收集流程，使模型能够学习深度优先搜索、试错探索和目标维持o3等多种推理策略。最后，研究团队提出了超轮次掩码策略，在强化学习过程中避免对达到最大交互轮次的回答进行惩罚， 开从而有效提升了训练效率和测试扩展性。

训练 Mini-o3的过程分为两个阶段。第一阶段是冷启动监督微调（SFT源模），旨在激活多轮工具使用能力，研究团队通过上下文学习方式收集了大量高质量的推理轨迹。第二阶段是强化学习(RL型实)，该阶段通过降低图像像素限制和引入超轮次掩码机制，极大提高了模型的互动轮次和推理能力。

Mini-o3在多个现超视觉搜索基准上表现优异，超越了现有的开源模型。研究人员通过对比实验，发现冷启动 SFT 和超轮次掩码技长视术是提升推理能力的关键所在。此外，合理的最大像素预算设置对于模型性能的优化也至关重要。

Mini-o3的推出不觉推仅在技术上实现了新的高度，也为未来多轮视觉推理的发展提供了新的方向。这个模型的成功标志着在无需消耗大量训理，练资源的情况下，深度思考和复杂推理的实现变得更加可能。

论文地址：https://arxiv.org深度/pdf/2509.07969

• ·标签: 北京亦庄机器人半马 WWDC26 iOS27 Siri PuraXMax
• ·标签: Abot-world 阿里巴巴高德 Agibot WorldArena
• ·标签: 科济药业 赛恺泽 舒瑞基奥仑赛 CAR-T
• ·标签: 小米汽车 孟晚舟 国补 雷军
• ·标签: 美光科技 HBM4 HBM4E 1γ工艺
• ·标签: 滴滴 国际业务 中国出行 GTV
• ·微软 Azure Stack HCI 混合云解决方案落地中国市场
• ·多西放手Twitter：双重CEO结束铁人经历
• ·云计算核心技术Docker教程：Docker使用device mapper存储驱动程序
• ·英国前首相苏纳克获两大科技巨头聘任:将任微软与 Anthropic 高级顾问
• ·标签: 石药集团 SYS6010 EGFR-ADC 维生素C
• ·脸书决定关闭人脸识别系统
• ·苹果未来智能眼镜或采用双重用户界面，轻量级模式适配 iPhone
• ·英特尔CEO基辛格：将在美国亚利桑那州新建两座工厂
• ·Salesforce第二财季营收同比增长22% 净利润同比下降87%
• ·想知道SaaS运行好不好？你得读懂这3类分析指标！