AIHub最新消息，2024年12月25日，阿里云通義千問正式發布全球首個開源多模態推理模型 QVQ-72B-Preview。該模型以超強的視覺理解與推理能力引領行業，特別在解決數學、物理和科學等復雜問題上表現尤為出色。目前，開發者可通過 魔搭社區 和 HuggingFace 平臺 直接體驗。
核心技術亮點：
- 視覺推理能力突破：
- QVQ 基于 Qwen2-VL-72B 模型優化，支持逐步推理與深度視覺分析，顯著提升復雜問題的解答能力。
- 模型能夠精準感知視覺內容，對圖片進行詳細的推理，如物體高度估算、數量推斷，以及“梗圖”內涵的識別。
- 卓越的評測表現：
- MMMU（多模態任務理解）：得分 70.3，達到大學推理水平。
- MathVista（數學推理）：超越 OpenAI o1，展現強大圖形推理能力。
- MathVision 和 OlympiadBench：在多學科廣度和奧賽難度測試中分別超過 Claude 3.5 和 GPT-4o。
- 開源與生態支持：
- QVQ-72B 已開源至 HuggingFace，并受到全球開發者熱烈追捧。
- 截至目前，通義千問的模型衍生數已突破 7.8萬個，成為全球規模最大的 AI 模型群。
QVQ-72B-Preview 是阿里云在 AI 推理領域的又一重磅突破，其強大的視覺推理能力與開放生態為開發者提供了全新工具，加速推動多模態 AI 技術的應用落地。
?版權聲明：如無特殊說明，本站所有內容均為AIHub.cn原創發布和所有。任何個人或組織，在未征得本站同意時，禁止復制、盜用、采集、發布本站內容到任何網站、書籍等各類媒體平臺。否則，我站將依法保留追究相關法律責任的權利。
