Mini-o3 - Bytes, modelo conjunto de razonamiento visual de código abierto de la HKU

Qué es Mini-o3

Mini-o3 es un modelo de código abierto lanzado conjuntamente por ByteDance y la Universidad de Hong Kong, centrado en la resolución de problemas complejos de búsqueda visual. El modelo tiene una potente capacidad de razonamiento interactivo multirronda para localizar objetivos mediante exploración profunda y ensayo-error. En imágenes de alta resolución, Mini-o3 puede identificar objetivos con precisión aunque sean diminutos y tengan muchas distracciones. Todo el código, los modelos y los conjuntos de datos de Mini-o3 son de código abierto, lo que facilita su reproducción y la realización de nuevas investigaciones, y supone un gran apoyo para el desarrollo del campo de la búsqueda visual.

Características de Mini-o3

• Razonamiento interactivo multirrondaMini-o3: Mini-o3 es capaz de realizar inferencia profunda multironda, resolviendo problemas complejos de búsqueda visual mediante exploración paso a paso y ensayo-error, y el número de rondas de interacción puede escalarse hasta decenas de rondas para manejar tareas visuales complejas.
• Modelo de razonamiento diversificadoEl modelo admite múltiples modos de inferencia, como la búsqueda en profundidad, el método de ensayo y error, el mantenimiento de objetivos, etc., y adapta con flexibilidad las estrategias de inferencia a diferentes problemas.
• Tratamiento de imágenes de alta resoluciónEn imágenes de alta resolución, el modelo puede localizar e identificar con precisión el objetivo incluso si éste es pequeño y hay un gran número de objetos que interfieren, lo que demuestra una gran capacidad de búsqueda visual.
• rendimiento superiorMini-o3: Mini-o3 obtiene los mejores resultados en varias pruebas de búsqueda visual, como el excelente rendimiento en VisualProbe, V* Bench, HR-Bench, MME-Realworld y otros conjuntos de datos.
• código abiertoTodos los códigos, modelos y conjuntos de datos de Mini-o3 son de código abierto para facilitar la reproducción y la investigación por parte de los investigadores y hacer avanzar las tecnologías relacionadas.

Puntos fuertes de Mini-o3

• Razonamiento sólidoMini-o3 : Mini-o3 está dotado de una profunda capacidad de razonamiento multirronda, que puede resolver complejos problemas de búsqueda visual mediante la exploración paso a paso y el método de ensayo y error, y puede localizar e identificar con precisión objetivos en imágenes de alta resolución con objetivos más pequeños y más interferencias.
• Estrategias de razonamiento flexiblesPermite varios modos de razonamiento, como la búsqueda en profundidad, el método de ensayo y error y el mantenimiento de objetivos, lo que permite ajustar con flexibilidad la estrategia de razonamiento en función de los distintos escenarios y mejorar la eficacia y la precisión de la resolución de problemas.
• Código abierto y escalabilidadTodos los códigos, modelos y conjuntos de datos de Mini-o3 son de código abierto para facilitar su reproducción y estudio por parte de los investigadores.
• Conjuntos de datos y métodos de formación innovadoresMini-o3 es capaz de aprender patrones de inferencia complejos y mejorar la capacidad de generalización del modelo gracias a la creación de conjuntos de datos de búsqueda visual complejos (por ejemplo, Visual Probe Dataset) y al empleo de métodos de entrenamiento innovadores como el ajuste supervisado en frío (SFT) y el aprendizaje por refuerzo (RL).

¿Cuál es el sitio web oficial de Mini-o3?

• Página web del proyecto:: https://mini-o3.github.io/
• Repositorio GitHub:: https://github.com/Mini-o3/Mini-o3
• Biblioteca de modelos HuggingFace:: https://huggingface.co/Mini-o3/models
• Documento técnico arXiv:: https://arxiv.org/pdf/2509.07969

Personas a las que va dirigido el Mini-o3

• Campo de visión por ordenador: Académicos e investigadores que trabajan en búsqueda visual, detección de objetivos, reconocimiento de imágenes, etc., para reproducir, mejorar y ampliar, y promover el desarrollo de tecnologías afines.
• ingeniero de softwareIntegración de modelos Mini-o3 en el desarrollo de aplicaciones con funciones de búsqueda visual (por ejemplo, búsquedas en comercio electrónico, hogares inteligentes, sistemas de vigilancia, etc.) para mejorar las capacidades de razonamiento visual de las aplicaciones.
• científico de datos: Mejorar la eficacia y la precisión del tratamiento de datos cuando se procesan y analizan datos visuales.
• empresa de comercio electrónicoMejora la precisión y la experiencia de usuario de la búsqueda de productos mediante la integración del modelo Mini-o3 para ayudar a los usuarios a encontrar más rápidamente los productos que buscan.
• Empresas domésticas inteligentesEn entornos domésticos inteligentes, utilice la capacidad de búsqueda visual de Mini-o3 para ayudar a los usuarios a encontrar rápidamente objetos perdidos y mejorar la inteligencia del producto.