P1-VL：在物理奥林匹克中连接视觉感知与科学推理

从符号操作到科学级推理的转变是大语言模型（LLM）的关键前沿，物理则充当把抽象逻辑与物理现实绑定起来的关键测试锚点。物理要求模型保持与支配宇宙的定律的物理一致性，这一任务从根本上需要多模态感知来把抽象逻辑落于现实。在奥林匹克层面，图形往往是构成性的而非示意性的，包含文本中缺失的边界条件、空间对称性等关键约束。为弥合这一视觉-逻辑鸿沟，我们推出P1-VL，一个为高级科学推理打造的开源视觉-语言模型系列。我们的方法把课程强化学习（以渐进难度扩展稳定后训练）与Agentic增强（在推理时实现迭代自验证）相协调。在HiPhO——一个涵盖2024-2025年13场考试的严格基准——上评估，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（VLM），并取得开源模型中的最先进性能。我们的智能体增强系统取得全球总排名第2，仅次于Gemini-3-Pro。在物理之外，P1-VL展现出出色的科学推理能力与泛化性，在STEM基准上显著领先于其基座模型。通过开源P1-VL，我们为通用物理智能迈出奠基性一步，让视觉感知与抽象物理定律更好对齐，服务于机器科学发现。