QVQ-72B，如期而至！继QWQ后，通义千问又开源视觉推理大模型！

主要观点总结

本文介绍了千问团队新开源的视觉推理大模型QVQ，基于Qwen2-VL-72B模型进一步训练得来。文章提到了QVQ的参数量对模型性能的影响，以及在MMMU榜单上的表现。同时，文章也指出了QVQ存在的一些问题，包括语言混乱、循环推理、安全性问题等。最后，文章给出了使用QVQ的代码示例，包括模型的加载、处理以及推理过程。

关键观点总结

关键观点1: 千问团队开源了新的视觉推理大模型QVQ。

QVQ是基于Qwen2-VL-72B模型进一步训练得来的，参数量对模型性能有重要影响。

关键观点2: QVQ在MMMU榜单上的表现良好。

相较于Qwen2-VL-72B模型，QVQ在某些方面取得了更好的效果。

关键观点3: QVQ存在一些问题。

最明显的问题是中英文夹杂的语言混乱现象，还有模型容易陷入循环推理和安全性问题等。

关键观点4: 给出了使用QVQ的代码示例。

通过示例代码展示了如何加载模型、处理输入以及进行推理。

关键观点5: 呼吁读者关注公众号并支持。

鼓励读者点赞、在看、关注公众号「NLP工作站」，并加入交流群。

文章预览

大家好，我是刘聪NLP。 没错，是的，对的，很棒，千问！ QWQ之后，千问团队又开源了视觉推理大模型QVQ，是72B的呦。 圣诞快乐，如期而至！ HF: https://huggingface.co/Qwen/QVQ-72B-Preview 为啥是72B，可想而知，这个QVQ就是基于前一段时间开源的Qwen2-VL-72B模型上 进一步训练得来的 。 有个7B的为啥没出QVQ-7B，估计是参数来太少，做o1式推理效果不行，QWQ也是32B起步的，所以 模型参数量很关键 。 在榜单上的效果，QVQ在MMMU是突破了70，并且整体效果相较于Qwen2-VL-72B还是好了很多，同时也是对标了闭源模型，QVQ依旧能打。 但QVQ-72B依然存在一些问题： 可能存在语言混乱的现象，最明显的就是中英文夹杂 模型容易陷入循环推理，导致回复结果冗长，甚至可能无法返回最终答案 安全性可能有些问题，估计这个版本在安全上应该没来及的做太多，甚至是没做 QVQ不能完 ………………………………