AnswersPublished19 sources
QVQ-72B-Preview: הניסוי של Alibaba בהסקה חזותית עם משקולות פתוחות
QVQ 72B Preview הוצג בדצמבר 2024 כמודל מחקרי ניסויי של צוות Qwen ב Alibaba, המתמקד בהסקה על בסיס תמונות.[38][39] לפי תוצאות שפרסמה Qwen, הוא עקף את Qwen2 VL 72B ב MMMU, ב MathVision וב OlympiadBench — אך אלה נתוני ספק ולא הערכה בלתי תלויה.[39][40] המשקולות הפתוחות מאפשרות להוריד, להריץ ולהתאים את המודל מחוץ ל API של...
פורסם על ידינערך באמצעות GPT-5.6 Terraהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- QVQ 72B Preview הוצג בדצמבר 2024 כמודל מחקרי ניסויי של צוות Qwen ב Alibaba, המתמקד בהסקה על בסיס תמונות.[38][39]
- לפי תוצאות שפרסמה Qwen, הוא עקף את Qwen2 VL 72B ב MMMU, ב MathVision וב OlympiadBench — אך אלה נתוני ספק ולא הערכה בלתי תלויה.[39][40]
- המשקולות הפתוחות מאפשרות להוריד, להריץ ולהתאים את המודל מחוץ ל API של הספק, אך מעבירות למפעיל אחריות רחבה יותר לאבטחה, בדיקה ומניעת שימוש לרעה.[18][19]
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Alibaba Cloud’s QVQ-72B-Preview, released in December 2024 as an experimental open-weight multimodal AI model combining Qwen2-VL-72B. Article summary: QVQ-72B-Preview was Alibaba Cloud’s December 2024 experimental, open-weight visual-reasoning model: it paired Qwen2-VL-72B’s image understanding with QwQ-style extended chain-of-thought reasoning. Its significance was le. Topic tags: general, general web, government, education, news. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, c
QVQ-72B-Preview היה מודל מחקרי ניסויי של צוות Qwen ב-Alibaba, שהוצג בדצמבר 2024. מטרתו הייתה לשפר הסקה חזותית: לא רק לזהות מה מופיע בתמונה, אלא לבחון ראיות חזותיות ולפתור באמצעותן בעיה בכמה שלבים. הוא התבסס על Qwen2-VL-72B, אך הושם בו דגש על הנמקה ממושכת במשימות מבוססות תמונה.38
39
הדרך הנכונה להבין אותו היא כניסיון מוקדם בעל משקולות פתוחות לחבר בין הבנת תמונה לבין פתרון בעיות מורכבות — לא כעוזר מולטימודלי כללי ומוכן לפרודקשן.
מה הוא אמור היה לעשות
המשתמש מזין תמונה והנחיה, והמודל מנסה לגבש תשובה לאחר בחינת המידע החזותי. זה מתאים, למשל, לפענוח תרשימים וגרפים, קריאת מידע שמופיע בתוך תמונה, פתרון שאלות מתמטיקה חזותיות ושאלות מדעיות המחייבות גם התבוננות וגם הסקת מסקנות.
הכינוי 72B מצביע על היקף המודל במשפחת Qwen; המילה Preview חשובה לא פחות: Qwen הגדירה אותו במפורש כמודל מחקרי ניסויי ותיעדה את מגבלותיו לצד תוצאות הבנצ'מרקים.38
39
הביצועים שדווחו
בטבלת ההשוואה שפרסמה Qwen נרשמו הנתונים הבאים:
| מדד | QVQ-72B-Preview | Qwen2-VL-72B להשוואה |
|---|---|---|
| MMMU (תיקוף) | 70.3 | 64.5 |
| MathVision (מלא) | 35.9 | 25.9 |
| OlympiadBench | 20.4 | 11.2 |
MMMU בוחן הבנה מולטימודלית רחבה ברמה אקדמית; MathVision מתמקד בבעיות מתמטיות המבוססות על תמונות; ו-OlympiadBench כולל שאלות קשות במתמטיקה ובפיזיקה בשתי שפות. לפי הטבלה של Qwen, QVQ עלה על ציוני Qwen2-VL-72B בכל שלושת המדדים — תוצאה שעולה בקנה אחד עם המיצוב שלו כמודל ממוקד-הסקה.39
40
חשוב לסייג: אלו תוצאות הערכה שדווחו בידי המפתחת, ולא הוכחה בלתי תלויה לביצועים זהים בסביבה מעשית. תמונה עמומה, ניסוח חריג, הקשר חסר או הנמקה שברירית עדיין עלולים להוביל לשגיאות.
המגבלות החשובות בהשקה
תמונות בלבד, ללא וידאו
גרסת ה-Preview קיבלה תמונות, אך לא תמכה בקלט וידאו — אף שלסדרת Qwen2-VL הקודמת היו יכולות וידאו. לכן השימוש בה הוגבל לניתוח של מידע חזותי סטטי.37
43
אין המשך שיחה על אותה תמונה
העבודה עם תמונה הייתה בפועל חד-סבבית: אי אפשר היה לשאול שאלת המשך תוך שמירת ההקשר החזותי של התמונה שכבר הועלתה. כדי לקבל תשובה חדשה היה צריך לשלוח שוב את התמונה עם הנחיה חדשה.34
הנמקה ארוכה עלולה להתנתק מהתמונה
האזהרה המרכזית של Qwen הייתה מהותית יותר: בהסקה חזותית רב־שלבית, המודל עלול לאבד בהדרגה את המיקוד בתוכן התמונה ולהזות מידע. כלומר, הסבר ארוך ומסודר לכאורה עשוי להישמע משכנע גם כשהוא כבר אינו נשען על הראיות החזותיות.33
38
בכרטיס המודל צוין גם שהוא עלול לערבב שפות או לעבור ביניהן באופן לא צפוי, וכן להיתקע בלולאות הנמקה מחזוריות ולהפיק תשובות ארוכות ללא מסקנה.38
39
המשמעות המעשית: בכל שימוש בעל השלכות משמעותיות נדרשה בדיקה של הפלט. הצגת מסלול הנמקה אינה הוכחה לכך שכל תצפית נכונה או מבוססת על התמונה.
מדוע השחרור עם משקולות פתוחות היה חשוב
המשמעות של QVQ לא הסתכמה בטבלת ציונים. הוא השתלב בגישה הרחבה יותר של Qwen ושל מפתחים סיניים נוספים: הפצת מודלים עם משקולות פתוחות. פירוש הדבר הוא שהפרמטרים המאומנים של המודל זמינים להורדה, שימוש ושינוי, כך שאפשר להריץ את המודל מחוץ לאפליקציה או ל-API של המפתחת ולהתאימו לצרכים חדשים.18
עבור מפתחים וארגונים, הדבר עשוי להציע:
- שליטה בפריסה: הרצה בתשתית פרטית או בענן שנבחר בידי הארגון.
- יכולת התאמה: כוונון עדין, קוונטיזציה או שילוב במערכת ייעודית.
- ניידות: פחות תלות ב-API מתארח של ספק יחיד.
לצד היתרונות באה אחריות: ארגון שמפעיל משקולות שהוריד צריך לנהל בעצמו תשתית, בדיקות, בקרות גישה, אבטחה ומניעת שימוש לרעה. לפי רויטרס, אפשר להוריד, לבדוק ולשנות מערכות בעלות משקולות פתוחות — אך גם לשנות ולהפיץ אותן מחדש תחת פיקוח מצומצם יחסית.19
משקולות פתוחות מול API סגור
באופן כללי, מפתחים סיניים רבים קידמו שחרורים עם משקולות פתוחות, בעוד שחברות אמריקאיות מובילות כגון OpenAI ו-Anthropic אינן מציעות להורדה את מפרטי המודלים המובילים שלהן.19 ובכל זאת, אין להסיק מכך כלל מוחלט שלפיו ״סיני הוא פתוח״ ו״אמריקאי הוא סגור״: מדיניות השחרור משתנה בין חברות, דגמים, יכולות ואסטרטגיות מסחריות.
ההבדל החשוב הוא תפעולי:
- מודלים עם משקולות פתוחות מעניקים למשתמש יותר שליטה על מקום ההרצה ואופן ההפעלה.
- מודלים דרך API סגור משאירים את הפריסה וחלק ניכר מתשתית הבטיחות בשליטת הספק.
מכאן נובע גם דיון רגולטורי: כללים המבוססים על ניטור מרכזי, בדיקות, רישוי או דיווח עשויים להיות קלים יותר ליישום אצל ספקי API גדולים. זו מסקנה אפשרית לגבי תמריצים רגולטוריים, לא עובדה מוכחת. אפשר גם להתמקד בפיקוח על יישומים מסוכנים ועל הארגונים שמפעילים אותם, במקום לאסור הפצת משקולות. חוקרי סטנפורד מציינים שאימוץ עולמי נרחב של מודלים סיניים בעלי משקולות פתוחות עשוי להשפיע על נגישות לטכנולוגיה, תחרות, בטיחות וממשל בינה מלאכותית.18
השורה התחתונה
QVQ-72B-Preview היה ניסוי בולט מדצמבר 2024 בהסקה חזותית עם משקולות פתוחות. הוא הציג, לפי Qwen, שיפור משמעותי במדדי MMMU, MathVision ו-OlympiadBench; באותה נשימה תועדו בגלוי מגבלות שימושיות ואמינות מהותיות. הלקח אינו שהנמקה מפורטת פתרה את בעיית ה-AI המולטימודלי, אלא שאפשר לשחרר יכולות משופרות של הבנת תמונה באופן שמפתחים יכולים לבדוק ולהריץ בעצמם — ושפתיחות כזו מחייבת הערכה קפדנית ותפעול אחראי עוד יותר.38
39
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "QVQ-72B-Preview: הניסוי של Alibaba בהסקה חזותית עם משקולות פתוחות"?
QVQ 72B Preview הוצג בדצמבר 2024 כמודל מחקרי ניסויי של צוות Qwen ב Alibaba, המתמקד בהסקה על בסיס תמונות.[38][39]
What are the key points to validate first?
QVQ 72B Preview הוצג בדצמבר 2024 כמודל מחקרי ניסויי של צוות Qwen ב Alibaba, המתמקד בהסקה על בסיס תמונות.[38][39] לפי תוצאות שפרסמה Qwen, הוא עקף את Qwen2 VL 72B ב MMMU, ב MathVision וב OlympiadBench — אך אלה נתוני ספק ולא הערכה בלתי תלויה.[39][40]
What should I do next in practice?
המשקולות הפתוחות מאפשרות להוריד, להריץ ולהתאים את המודל מחוץ ל API של הספק, אך מעבירות למפעיל אחריות רחבה יותר לאבטחה, בדיקה ומניעת שימוש לרעה.[18][19]
Sources
qwenlm.github.ioQVQ: To See the World with Wisdom
huggingface.coQwen/QVQ-72B-Preview · Hugging Face
ai-tldr.devQVQ-72B-Preview: Qwen Visual Reasoning Model | AI/TLDR
nvv.genai.co.jpAlibabaが新しい視覚推論AIモデル「QVQ-72B-Preview」を公開