Alibaba Qwen lanza QVQ-Max: modelo de razonamiento visual con demostraciones

Alibaba ha presentado QVQ-Max, la primera versión de su modelo de razonamiento visual. El modelo puede analizar y razonar basándose en imágenes y vídeos, resolviendo tareas que van desde problemas matemáticos hasta cuestiones cotidianas. En el benchmark MathVision, que incluye diversas tareas multimodales de matemáticas, QVQ-Max muestra una precisión mejorada a medida que aumenta la longitud máxima de la cadena de pensamiento. Las capacidades clave del modelo incluyen observación detallada, razonamiento profundo y aplicación flexible. Los casos de uso incluyen asistencia en el trabajo, el aprendizaje y la vida diaria. Los planes futuros implican mejorar la precisión del reconocimiento, la ejecución de tareas de múltiples pasos y la interacción con otras modalidades.