阿里又发了个特别想的大模子——

QVQ-Max，初版视觉推理模子，对淘气图像或视频都不错进行深度想考。

举个好奇的例子，上传一张你的手掌，再点击Thinking，QVQ-Max 就不错给你看手相：

不错看到，在深度想考事后，QVQ-Max 就运行放心分析手掌上的线条和其他特征。

包括心线、头线、人命线等主要线条的分析，以及限定手指上的金限定的标记真谛。

这还只是一个相比有文娱性的例子。

如果你相接给 QVQ-Max "喂"多张图片，它也不错进行深度想考：

这两张图片描写了哪些时局？它们之间的关系是什么？

在一顿想考事后，QVQ-Max 准确地识别出两张图筹谋——都是西湖的时局，但一张是春夏时节，另一张是冬季。

再如数学推理，雷同是给它"喂"一张图即可，连发问都省了：

在想考之后，QVQ-Max 是找到了数字们之间的规章，并最终给出了正确谜底：10。

以及径直上传一个手绘简笔画视频，并附上一句：

分析视频，将视觉实质与翰墨联结，并为视频中的镜头创建机动好奇的字幕。

最终，QVQ-Max 依旧是稳稳地完成了任务。

网友们看罢，亦然麻溜地去试了试。

不外这一次，QVQ-Max 有点小翻车——路飞是认对了，但这个乔巴……

以及啊，这两天被 OpenAI GPT-4o 图像生成带火的吉卜力，网友们亦然跟上了：

那么 QVQ-Max 的图像视频深度想考实力到底怎样，咱们这就亲手尝试一番。

实测 QVQ-Max

领先，咱们还是来测试一下 QVQ-Max 看图解数学题的能力。

题目是这么的：

然后咱们发问：

这谈题的谜底是若干？

在深度想考事后，QVQ-Max 不仅精确识别出了手写的题目，并且给出了正确谜底：2。

刚才 Qwen 官方给出了看手相的例子，此次咱们再来"喂"下这张图：

问题是这么的：

这是什么？

嗯，是相比全面地先容了星盘。

接下来，咱们再来测试一下视频推理，例子就用 Anthropic 最新发布的一个：

如若刨去视频里的布景音，单是看实质，还是相比玄虚的。

对此，QVQ-Max 给出的融会是：

从不雅察到推理

除了后果除外，天然 Qwen 团队莫得公布关系论文，但关于背后的时候亮点，团队还是浮浅的先容了一番。

领先，团队在 MathVision 这个 benchmark（汇注千般繁难多模态数学）上进行了一番测试：

完了标明，通过调整模子 thinking 的最大长度，模子在 MathVision 上的准确率也会执续进步。

除此除外，团队还回归了 QVQ-Max 的三大能力特色。

包括对图片的理解能力极度强，不管是复杂的图表还是平常生计中顺手拍的相片，它都能快速识别出缺欠元素。比如，它不错告诉你一张相片里有哪些物品、有什么翰墨标记，以至还能指出一些你可能忽略的小细节。

只是识别出图片里的实质还不够，QVQ-Max 还能进一步分析这些信息，并联结布景学问得出论断。

举例，在一谈几何题中，它不错把柄题目附带的图形推导出谜底；在一段视频里，它能把柄画面实质意象出接下来可能发生的情节。

除了分析和推理，QVQ-Max 还能作念一些好奇的事情，比如帮你盘算插画、生成短视频剧本，以至把柄你的需求创作扮装束演的实质。

如果你上传一幅草稿，它可能会帮你完善成一幅好意思满的作品；上传一个平常相片，它不错化身历害的驳斥家，占卜师。

值得珍摄的是，QVQ-Max 是免费可用的哦，感兴味的一又友快去试试吧 ~

体验地址：

https://chat.qwen.ai

参考勾通：

[ 1 ] https://qwenlm.github.io/zh/blog/qvq-max-preview/

[ 2 ] https://x.com/Alibaba_Qwen/status/1905342260100956210

一键三连「点赞」「转发」「留神心」

迎接在驳斥区留住你的办法！

—  完  —

速抢席位！中国 AIGC 产业峰会不雅众报名通谈已开启  � � ‍♀️

首批嘉宾曝光啦  � �   百度、无问芯穹、数势科技、生数科技、像素通达等十数位 AI 界限创变者将皆聚峰会，让更多东谈主用上 AI、用好 AI，与 AI 一同加快成长～

4 月 16 日，就在北京，一齐来深度求索 AI 怎样用  � �  

� � 一键星标 � �

科技前沿推崇逐日见kaiyun体育网页版登录