L'ensemble de données R1-Onevision a été publié par l'Université du Zhejiang en 2025, dans le but de doter le modèle de capacités avancées de raisonnement multimodal. Le blog concerné est "R1-Onevision : Modèle de langage multimodal open source avec capacité de raisonnement". Il comble le fossé entre la compréhension visuelle et textuelle en permettant des tâches de raisonnement riches et contextuelles dans de multiples domaines, notamment les scènes naturelles, les sciences, les problèmes mathématiques, le contenu basé sur l'OCR et les diagrammes complexes.