MAmmoTH-VL é uma plataforma de raciocínio multimodais em larga escala que, por meio da técnica de ajuste fino por instruções, melhora significativamente o desempenho de modelos de linguagem grandes multimodais (MLLMs) em tarefas multimodais. A plataforma utiliza modelos abertos para criar um conjunto de dados contendo 12 milhões de pares instrução-resposta, abrangendo tarefas diversas e intensivas em raciocínio, e fornecendo justificativas detalhadas e fiéis. O MAmmoTH-VL alcançou desempenho de ponta em benchmarks como MathVerse, MMMU-Pro e MuirBench, demonstrando sua importância nas áreas de educação e pesquisa.