VisualThinker-R1-Zero 是一个聚焦于多模态视觉推理的研究型开源项目，目标是在视觉推理任务中复现 DeepSeek-R1-Zero 的训练范式。
用途方面，该项目致力于探索并验证：在视觉推理任务中，是否也能像纯文本推理那样，通过纯强化学习（无需 SFT、无需奖励模型）让模型自发涌现出“顿悟时刻”与更长的推理响应。研究团队首次在仅 2B 参数的非 SFT 多模态模型上成功观察到了这一现象。
主要能力方面，项目基于 Qwen-VL-2B 模型，采用 GRPO 强化学习算法在 SAT 数据集上进行训练。研究显示，视觉为中心的任务同样可以从增强的推理能力中受益；训练过程中还观察到了与 DeepSeek R1 类似的自我反思行为，模型能够重新思考并修正自己的错误。项目提供了完整的训练动态记录，并开源了模型检查点（发布在 Hugging Face）。
使用方式方面，项目仓库提供了复现训练与评估所需的具体代码命令：包括在 SAT 数据集上用 GRPO 训练非 SFT 模型以复现多模态顿悟时刻；训练非 SFT 模型以获得用于对比的 SFT 模型；以及用于在 CVBench 上复现评估结果的命令，分别覆盖 Base + GRPO（VisualThinker R1 Zero）模型、Base 模型、Instruct + GRPO 模型和 Instruct 模型。完整实验日志标注为“即将发布”。
适用场景方面，该项目主要面向从事多模态视觉推理、强化学习训练、模型涌现行为研究的研究人员与开发者，可用于复现实验、对比不同训练策略，以及在此基础上开展进一步研究。
限制方面，项目资料仅说明了其研究方法、训练命令与评估流程，未提供关于收费、商业使用授权、部署平台或性能指标的具体信息；此外，完整实验日志与部分其他信息暂未提供。
