使大型多模态模型（LMMs）深度融合图像交互与长时程推理能力，仍是该领域长期面临的挑战。近年来，以视觉为中心的推理研究探索了一种极具前景的“以图像思考”范式，标志着模型推理方式从图像辅助推理向图像交互式思维的转变。尽管这一里程碑式进展使模型能够聚焦于图像中的细粒度区域，但其发展仍受限于有限的视觉工具空间以及任务特定的工作流设计。为弥合这一差距，我们提出 V-Thinker——一种通用型多模态推理助手，通过端到端强化学习实现交互式、以视觉为中心的思维能力。V-Thinker 包含两个核心组件：（1）数据演化飞轮（Data Evolution Flywheel），能够自动合成、演化并验证跨三个维度（多样性、质量与难度）的交互式推理数据集；（2）视觉渐进式训练课程（Visual Progressive Training Curriculum），首先通过点级监督对齐感知能力，随后借助两阶段强化学习框架逐步整合交互式推理能力。此外，我们构建了 VTBench——一个由专家验证的基准测试集，专门针对以视觉为中心的交互式推理任务。大量实验表明，V-Thinker 在通用推理与交互式推理场景中均显著优于现有的强基线 LMM 模型，为推动图像交互式推理应用的发展提供了重要启示。