3月28日消息,凌晨三点,阿里在X上发布视觉推理模型QVQ-Max。作为QVQ-72B-Preview的升级版,官方表示,新模型针对传统AI在视觉信息处理上的不足进行了优化,增强了从视觉感知到认知推理的能力。
QVQ-Max支持图像、视频与文本的联合推理。在MathVision benchmark测试中,QVQ-Max表现出“thinking长度”与准确率正相关的特性,验证了模型在复杂多模态任务中的潜力。
官方表示,QVQ-Max在三方面表现突出:一是细致观察,能够精准识别图像中的细节和文字标识;二是深入推理,结合背景知识进行分析和推理;三是灵活应用,支持创意生成和内容创作。