中证报中证网讯（王珞）11月18日，昆仑万维发布Skywork R1V4-Lite，一款集成视觉操作、推理与规划的轻量级多模态智能体。不仅能进行深度推理，还在同一模型中统一了主动图像操作、外部工具调用、多模态深度研究三大能力。

　　公司介绍，与传统只能“看图回答”的模型不同，Skywork R1V4-Lite能够在真实场景中随手拍照即可完成复杂任务：自动旋转图像判断空间位置、多次放大读取模糊文字、绘制辅助线验证几何关系、跨模态搜索定位真实地点等，这些过去只有在大型模型或专用Agent系统中才能实现的能力，如今在轻量多模态智能体Skywork R1V4-Lite中即可完成。

　　这意味着用户不需要设计提示词，不需要提供额外信息，只需拍一张图，Skywork R1V4-Lite就能自己观察、操作、推理并给出答案。从感知到行动，从推理到验证，Skywork R1V4-Lite让“即时多模态洞察”成为现实，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。

　　随手拍解题即时理解的主动视觉操作

　　Skywork R1V4-Lite在推理过程中并非被动“看图回答”，而是具备主动式图像操作能力：在遇到视角受限或信息不足的场景时，模型会自动执行裁切（Crop）、放大（Zoom）、旋转（Rotate）、区域定位等操作，构建一条透明且可回溯的“视觉行动链”。

　　多模态深度研究领先的轻量级搜索增强能力

　　Skywork R1V4-Lite也支持接入联网搜索功能，在联网搜索下会自动触发深度研究能力：通过构建推理脚手架，与外部世界进行搜索、检索、比对等主动交互。触发搜索、检索、比对等多种外部资源交互，将搜索结果与视觉推理深度融合，形成“搜索—推理—验证”的闭环。模型由此获得跨模态、跨资源的知识扩展能力，推理边界显著拉宽。

　　R1V4-Lite不仅在学术、法律、生态与医学场景中展现出强大的多模态深度推理能力，在电商智能与内容理解方面同样表现卓越。r1v4-lite在复杂的图片输入下，找到了商品来源并给出了详细的商品介绍。这种能力可直接应用于智能导购、图搜找同款、跨平台商品比价等典型电商场景。

　　看图即可规划主动式多模态任务规划

　　R1V4-planner-lite可以支持真正意义上的主动式多模态Agentic规划，首次让视觉输入能够直接驱动任务链规划，将推理链扩展为可执行链。

　　模型首次从传统的“看图回答”到“看图行动”，具备了由视觉驱动的行动规划能力。在此基础上，R1V4-Planner-Lite将规划能力扩展到系统级（system-level planning）：模型会综合用户意图、上下文、可用工具与任务依赖关系（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、透明度和稳定性。

　　昆仑万维表示，R1V4-Lite的成功不仅来自工程优化，更源自其背后的多模态新范式：图像操作与深度推理交织训练。这一训练路线让轻量模型具备跨模态推理、主动图像操作、任务规划与搜索增强的统一能力，展示了轻量多模态智能体的全新可能性。这一结果进一步说明：能力密度比参数规模更重要，小模型也能逼近闭源模型的真实表现。随着更大容量与更强结构进一步加入该范式，其scaling潜力将持续释放。目前，Skywork R1V4-Pro也即将准备发布。

　　未来，昆仑万维旗下Skywork将沿着“Multimodal Reasoning×Agentic Intelligence×Tool Augmentation”路线继续前进，让模型不仅理解世界，还能更有效地与世界信息交互，并在真实任务中产生实际价值。