精选国内外AI工具, 查看最新收录

阿里发布视觉推理模型QVQ-Max首版

Qwen 官方博客 返回资讯

阿里通义千问团队正式发布视觉推理模型QVQ-Max首个版本。该模型不仅能识别图像和视频中的内容,还能在此基础上进行分析推理并给出解决方案,覆盖数学解题、日常问答、编程代码和艺术创作等场景。此前去年12月推出的QVQ-72B-Preview仅为探索性模型,存在较多问题,此次为正式版发布。在MathVision多模态数学基准测试中,随着模型思考过程最大长度的增加,准确率持续提升。 视觉推理是当前大模型竞争的重要方向。传统AI模型主要依赖文本输入,但现实中大量信息以图像、图表甚至视频形式存在。一张图片包含颜色、形状、空间关系等丰富细节,比文字更直观也更复杂。QVQ-Max让AI不仅能“看到”,还能“理解”和“思考”,这意味着多模态模型正从简单的图像识别走向真正的视觉认知,对教育、设计、工程等依赖视觉判断的行业有直接影响。 对普通用户来说,QVQ-Max可以用于解析复杂图表、辅助解决几何题、分析视频场景并预测后续发展。它还支持根据需求设计插图、生成短视频脚本、进行角色扮演创作,甚至将粗略草图完善为完整作品。对开发者和研究人员而言,该模型已在GitHub、Hugging Face、ModelScope等平台开放,可直接测试其在具体场景中的表现,评估是否适合自身业务需求。


原文:Qwen 官方博客

资讯内容仅供参考;产品功能、价格与发布日期请以原文和官方公告为准。查看原始来源 ↗

会员留言

推荐工具↑ ↓ 选择 Enter 打开