阿里云通义开源首个多模态推理模型QVQ 视觉推理比肩OpenAI o1

文章预览

12月25日，阿里云通义千问发布业界首个开源多模态推理模型QVQ-72B-Preview。QVQ展现出超预期的视觉理解和推理能力，在解决数学、物理、科学等领域的复杂推理问题上表现尤为突出。多项评测数据显示，QVQ超越了此前的视觉理解模型「开源王者」Qwen2-VL，整体表现与「满血版」OpenAI o1、Claude3.5 Sonnet等推理模型相当。目前，开发者可在魔搭社区和HuggingFace平台上直接体验。 人类的推理能力植根于语言思维和视觉记忆中，正因此，利用视觉理解增强大模型推理能力，成为AI技术的前沿探索之一。一个月前，通义发布AI推理模型QwQ-32B-Preview，即斩获SuperCLUE的AI推理模型榜单「全球开源冠军」；如今，通义团队在Qwen2-VL-72B开源模型基础上，研发出多模态推理模型QVQ-72B-Preview，可实现更仔细的逐步推理，视觉推理能力也显著进步，在解决复杂问题时表现惊艳。 ………………………………