字节跳动与香港大学联合推出的Mini-o3 开源项目，首次让模型学会人类式的深度优先搜索和持续探索能力。
Mini-o3的核心目标是扩展模型与工具的交互能力，使其能够执行长达数十步的深度推理。
技术突破
高难度训练场：7952×5304超高分辨率图像中隐藏毫米级目标，迫使模型必须通过数十次缩放/移动定位目标，如同“数字显微镜”下的寻宝游戏。
思维启蒙：通过大模型模仿人类复杂推理轨迹，生成6000条高质量训练数据，赋予模型“深度思考”基因。
关键创新：Over-turn Masking策略
传统强化学习惩罚未完成轨迹导致模型“畏首畏尾”，Mini-o3屏蔽未完成轨迹的惩罚信号，彻底释放模型探索欲。
性能表现
尽管Mini-o3（蓝线）的训练上限仅为6轮，但在测试时，随着允许的最大交互轮次从4轮增加到32轮，其在VisualProbe-Hard数据集上的准确率持续稳定提升，从约38%增长到了 48%。这证明了模型真正学会了“思考”，并且更多的思考时间能带来更好的结果。
与 7B 同行相比，Mini-o3 （7B） 在视觉搜索基准测试中实现了 SOTA，在 VisualProbe、V* Bench、HR-Bench 和 MME-Realworld 上取得了出色的成绩。
消融实验进一步证明了“三步走”策略中每个环节的不可或缺性。移除Visual Probe数据集、冷启动SFT或Over-turn Masking中的任何一个，都会导致模型性能显著下降，验证了整个框架设计的完整性和高效性。
作为一款完全开源的多模态模型，Mini-o3专为“边看边思考”类型的视觉搜索任务打造。借助强化学习技术，模型可将工具调用扩展至数十轮交互。
Mini-o3的代码已全部开源，可以访问下方开源地址获取相关资源。
项目官网：
https://mini-o3.github.io/
GitHub：https://github.com/Mini-o3/Mini-o3
