Der R1-Onevision-Datensatz wurde 2025 von der Zhejiang-Universität veröffentlicht, mit dem Ziel, dem Modell erweiterte multimodale Argumentationsfähigkeiten zu verleihen. Der entsprechende Blog ist „R1-Onevision: Open-Source-multimodales Großsprachenmodell mit Schlussfolgerungsfähigkeit". Es schließt die Lücke zwischen visuellem und textuellem Verständnis, indem es umfangreiche, kontextbezogene Denkaufgaben in mehreren Bereichen ermöglicht, darunter Naturszenen, Wissenschaft, mathematische Probleme, OCR-basierte Inhalte und komplexe Diagramme.