智源研究院開源 Recon2Reason-Reasoning-4B 視覺語言模型，專注室內場景空間推理

智源研究院（BAAI）在 Hugging Face 上架全新的多模態推理模型 Recon2Reason-Reasoning-4B。該模型為 44 億參數（4,437,815,808）的視覺語言模型，基於 Qwen3-VL-4B-Instruct 微調而成，專門針對室內與具身（embodied）場景的空間推理進行最佳化。 該模型能改善從視覺輸入中對度量距離、相對位置、物體配置與空間關係的推理能力，並支援單張與多張影像輸入。架構上保留標準的 Qwen3VLForConditionalGeneration，無需依賴自訂模型程式碼（trust_remote_code=True）。 模型權重採用 BF16 精度與 Safetensors 格式發布，採 Apache-2.0 授權，目前已支援透過 Transformers、vLLM、SGLang 及 Docker Model Runner 進行部署。官方註明，本次僅發布推理模型，檢索增強的場景重建擴充模組將另行發布。