AI 大模型看手相!图片视频加持深度思考,阿里 QVQ-Max“神了神了”

阿里又发了个有意思的大模型------

QVQ-Max,第一版视觉推理模型,对任意图像或视频都可以进行深度思考。

举个有趣的例子,上传一张你的手掌,再点击 Thinking ,QVQ-Max 就可以给你看手相

若是刨去视频里的背景音,单是看内容,还是比较抽象的。

对此,QVQ-Max 给出的理解是:

从观察到推理

除了效果之外,虽然 Qwen 团队没有公布相关论文,但对于背后的技术亮点,团队还是简单的介绍了一番。

首先,团队在 MathVision 这个 benchmark(汇集各类困难多模态数学)上进行了一番测试:

结果表明,通过调整模型 thinking 的最大长度,模型在 MathVision 上的准确率也会持续提升。

除此之外,团队还总结了 QVQ-Max 的三大能力特点。

包括对图片的解析能力非常强,无论是复杂的图表还是日常生活中随手拍的照片,它都能快速识别出关键元素。比如,它可以告诉你一张照片里有哪些物品、有什么文字标识,甚至还能指出一些你可能忽略的小细节。

仅仅识别出图片里的内容还不够,QVQ-Max 还能进一步分析这些信息,并结合背景知识得出结论。

例如,在一道几何题中,它可以根据题目附带的图形推导出答案;在一段视频里,它能根据画面内容推测出接下来可能发生的情节。

除了分析和推理,QVQ-Max 还能做一些有趣的事情,比如帮你设计插画、生成短视频脚本,甚至根据你的需求创作角色扮演的内容。

如果你上传一幅草稿,它可能会帮你完善成一幅完整的作品;上传一个日常照片,它可以化身犀利的评论家,占卜师。

值得注意的是,QVQ-Max 是免费可用的哦,感兴趣的朋友快去试试吧~

体验地址:
chat.qwen.ai

参考链接:

1\][qwenlm.github.io/zh/blog/qvq...](https://link.juejin.cn?target=https%3A%2F%2Fqwenlm.github.io%2Fzh%2Fblog%2Fqvq-max-preview%2F "https://qwenlm.github.io/zh/blog/qvq-max-preview/") \[2\][x.com/Alibaba_Qwe...](https://link.juejin.cn?target=https%3A%2F%2Fx.com%2FAlibaba_Qwen%2Fstatus%2F1905342260100956210 "https://x.com/Alibaba_Qwen/status/1905342260100956210") **欢迎在评论区留下你的想法!** --- **完** ---

相关推荐
xiangzhihong813 分钟前
Google 决定终止开源 Android项目
人工智能·android-studio
Matrix_1119 分钟前
论文阅读:GS-Blur: A 3D Scene-Based Dataset for Realistic Image Deblurring
论文阅读·人工智能·计算摄影
Fuction.23 分钟前
聚类注意点
人工智能·python·机器学习·kmeans·聚类
xc101130 分钟前
树莓派5从零开发至脱机脚本运行教程——6.实战篇
人工智能·opencv·计算机视觉
WhyNot?34 分钟前
深度学习入门(二):从感知机到神经网络
人工智能·深度学习·神经网络
腾讯安全应急响应中心36 分钟前
命悬生死线:当游戏遭遇DDoS围剿,如何用AI破局?
网络·人工智能·游戏·ddos
jamison_137 分钟前
文心一言与 DeepSeek 的竞争分析:技术先发优势为何未能转化为市场主导地位?
人工智能·ai·chatgpt·gpt-3·1024程序员节
一只小闪闪1 小时前
langchain4j搭建失物招领系统(四)---实现更新功能
java·人工智能·后端
CJH(本人账号)1 小时前
Trae-中国首款免费AI原生IDE
人工智能
豆芽8191 小时前
基于 Flask 的图像分类预测案例解读
人工智能·后端·python·深度学习·神经网络·分类·flask