P1-VL：在物理奥林匹克竞赛中连接视觉感知与科学推理

从符号操作到科学级推理是大型语言模型（LLMs）的关键前沿，而物理学作为将抽象逻辑与物理现实绑定的关键测试点。物理问题要求模型保持与宇宙法则的一致性，这需要多模态感知来支撑抽象逻辑。在奥林匹克级别，图表通常是构成性的而非说明性的，包含文本中缺失的边界条件和空间对称性等关键约束。为弥合这一视觉-逻辑差距，我们引入了P1-VL，一套专为高级科学推理设计的开源视觉-语言模型。我们的方法融合了课程强化学习和智能体增强技术，实现推理过程中的迭代自验证。在HiPhO基准测试中，我们的旗舰模型P1-VL-235B-A22B成为首个获得12枚金牌的开源视觉语言模型，并在开放源代码模型中达到最先进水平。我们的智能体增强系统在全球排名第二，仅落后于Gemini-3-Pro。除了物理领域，P1-VL还展示了卓越的科学推理能力和泛化能力，在STEM基准测试中显著优于基础模型。通过开源P1-VL，我们迈出了通用物理智能的基础一步，以更好地将视觉感知与抽象物理定律对齐，推动机器科学发现。