阿里凌晨三點發(fā)布新的視覺推理模型QVQ-Max

3月28日消息，凌晨三點，阿里在X上發(fā)布視覺推理模型QVQ-Max。

作為QVQ-72B-Preview的升級版，官方表示，新模型針對傳統(tǒng)AI在視覺信息處理上的不足進(jìn)行了優(yōu)化，增強(qiáng)了從視覺感知到認(rèn)知推理的能力。

QVQ-Max支持圖像、視頻與文本的聯(lián)合推理。在MathVision benchmark測試中，QVQ-Max表現(xiàn)出“thinking長度”與準(zhǔn)確率正相關(guān)的特性，驗證了模型在復(fù)雜多模態(tài)任務(wù)中的潛力。

官方表示，QVQ-Max在三方面表現(xiàn)突出：一是細(xì)致觀察，能夠精準(zhǔn)識別圖像中的細(xì)節(jié)和文字標(biāo)識；二是深入推理，結(jié)合背景知識進(jìn)行分析和推理；三是靈活應(yīng)用，支持創(chuàng)意生成和內(nèi)容創(chuàng)作。