MAmmoTH-VL es una plataforma de razonamiento multimodal a gran escala que, mediante la técnica de ajuste por instrucciones, mejora significativamente el rendimiento de los modelos de lenguaje multimodal grandes (MLLM) en tareas multimodales. La plataforma utiliza modelos abiertos para crear un conjunto de datos que contiene 12 millones de pares instrucción-respuesta, abarcando tareas diversas y con una alta densidad de razonamiento, y proporcionando explicaciones detalladas y fidedignas. MAmmoTH-VL ha alcanzado un rendimiento de vanguardia en pruebas de referencia como MathVerse, MMMU-Pro y MuirBench, demostrando su importancia en los ámbitos de la educación y la investigación.