JawabanDipublikasikan19 sumber
Mengenal QVQ-72B-Preview, Eksperimen AI Visual Open-Weight dari Alibaba
QVQ 72B Preview adalah model riset eksperimental dari tim Qwen Alibaba yang diperkenalkan pada Desember 2024 untuk meningkatkan penalaran visual. Model ini ditujukan untuk memeriksa diagram, grafik, teks dalam gambar, dan soal matematika visual secara bertahap, tetapi penalaran panjang tidak menjamin jawabannya teta...
Diterbitkan olehDiedit dengan GPT-5.6 TerraGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- QVQ 72B Preview adalah model riset eksperimental dari tim Qwen Alibaba yang diperkenalkan pada Desember 2024 untuk meningkatkan penalaran visual.
- Model ini ditujukan untuk memeriksa diagram, grafik, teks dalam gambar, dan soal matematika visual secara bertahap, tetapi penalaran panjang tidak menjamin jawabannya tetap berpijak pada gambar.
- Rilis open weight memberi pengembang kendali untuk menjalankan dan menyesuaikan model di luar API vendor, sekaligus memindahkan lebih banyak tanggung jawab keamanan dan evaluasi kepada operator.[18][19]
AI Perintah
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 adalah model riset eksperimental dari tim Qwen Alibaba yang diperkenalkan pada Desember 2024. Fokusnya adalah penalaran visual: kemampuan memeriksa isi gambar, lalu menuntaskan persoalan yang memerlukan beberapa langkah pemikiran berdasarkan bukti visual tersebut. Model ini dibangun di atas Qwen2-VL-72B dan menekankan penalaran yang lebih panjang untuk tugas berbasis gambar.38
39
Singkatnya, QVQ lebih tepat dipandang sebagai eksperimen awal untuk menggabungkan pemahaman gambar dengan pemecahan masalah yang kompleks—bukan asisten multimodal serbabisa yang telah matang untuk penggunaan produksi.
Apa yang dapat dilakukan QVQ-72B-Preview?
Saat menerima gambar dan perintah teks, QVQ ditujukan untuk menelaah bukti visual sebelum memberikan jawaban. Penggunaannya antara lain mencakup:
- menafsirkan grafik, tabel, dan diagram;
- membaca informasi atau teks yang tertanam dalam gambar;
- menyelesaikan soal matematika berbasis visual;
- menjawab soal sains yang memerlukan pengamatan sekaligus penarikan kesimpulan.
Angka “72B” merujuk pada skala besar model tersebut dalam keluarga Qwen. Sementara itu, label Preview patut diperhatikan: Qwen sendiri menyebutnya sebagai model riset eksperimental dan secara terbuka memaparkan keterbatasannya di samping hasil benchmark.38
39
Skor benchmark yang dilaporkan Qwen
Dalam tabel perbandingan yang dipublikasikan Qwen, QVQ-72B-Preview mencatat hasil berikut:
| Benchmark | QVQ-72B-Preview | Pembanding Qwen2-VL-72B |
|---|---|---|
| MMMU (validasi) | 70,3 | 64,5 |
| MathVision (penuh) | 35,9 | 25,9 |
| OlympiadBench | 20,4 | 11,2 |
MMMU menguji pemahaman multimodal tingkat perguruan tinggi yang luas. MathVision berfokus pada persoalan matematika berbasis gambar. Sementara OlympiadBench mencakup soal matematika dan fisika dwibahasa dengan tingkat kesulitan tinggi. Dalam tabel Qwen, QVQ mengungguli skor Qwen2-VL-72B yang dicantumkan pada ketiga pengukuran tersebut; hasil ini selaras dengan posisinya sebagai model yang berorientasi pada penalaran.39
40
Namun, angka tersebut adalah hasil evaluasi yang dilaporkan vendor, bukan bukti independen bahwa kinerjanya akan sama baiknya dalam penggunaan nyata. Peningkatan benchmark tetap tidak menghapus risiko kegagalan akibat gambar yang ambigu, perintah yang tidak lazim, konteks yang kurang, atau penalaran yang rapuh.
Batasan yang paling penting saat peluncuran
Keterbatasan QVQ sangat menentukan, karena menjadi pembeda antara demonstrasi yang menjanjikan dan asisten yang benar-benar praktis.
Hanya gambar, bukan video
Versi Preview menerima input gambar, tetapi tidak mendukung video. Padahal, lini Qwen2-VL sebelumnya memiliki kapabilitas video. Artinya, cakupan QVQ dibatasi pada analisis visual statis.37
43
Tidak mendukung percakapan lanjutan atas gambar yang sama
Interaksi gambar pada praktiknya bersifat satu putaran. Pengguna tidak bisa mengajukan pertanyaan susulan sambil mempertahankan konteks visual dari gambar sebelumnya. Untuk mendapat jawaban baru, gambar yang sama harus dikirim ulang bersama perintah baru.34
Penalaran panjang bisa menjauh dari bukti gambar
Peringatan terpenting dari Qwen adalah bahwa dalam penalaran visual multilangkah, QVQ dapat perlahan kehilangan fokus pada isi gambar dan kemudian berhalusinasi.33
38
Dengan kata lain, uraian yang panjang dan terdengar sistematis belum tentu tetap terhubung dengan bukti visual yang seharusnya dianalisis. Kartu modelnya juga memperingatkan kemungkinan pencampuran atau perpindahan bahasa yang tak terduga, serta loop penalaran berulang yang menghasilkan jawaban panjang tanpa kesimpulan.38
39
Implikasi praktisnya: keluaran QVQ perlu diverifikasi untuk penggunaan yang berdampak tinggi. Jejak penalaran yang terlihat bukan jaminan bahwa tiap pengamatan benar atau benar-benar bersumber dari gambar.
Mengapa rilis open-weight ini penting?
Nilai strategis QVQ tidak hanya terletak pada tabel benchmark. Rilis ini sejalan dengan pendekatan open-weight yang diasosiasikan dengan Qwen dan sejumlah pengembang AI Tiongkok lainnya.
Model open-weight menyediakan parameter terlatihnya—atau weights—untuk diunduh, digunakan, dan dimodifikasi. Dengan begitu, organisasi dapat menjalankan model di infrastruktur sendiri atau cloud pilihannya, alih-alih hanya mengaksesnya melalui aplikasi atau API milik pengembang.18
Bagi pengembang, pendekatan tersebut dapat menawarkan beberapa manfaat:
- Kendali penerapan: model dapat dijalankan di infrastruktur privat atau lingkungan cloud pilihan.
- Kemudahan adaptasi: bobot dapat disetel ulang (fine-tuning), dikuantisasi, atau diintegrasikan ke sistem yang lebih khusus.
- Portabilitas: ketergantungan pada satu API yang dihosting vendor dapat dikurangi.
Di sisi lain, kebebasan itu membawa tanggung jawab tambahan. Organisasi yang mengoperasikan bobot unduhan harus menangani sendiri infrastruktur, evaluasi, kontrol akses, keamanan, dan pencegahan penyalahgunaan. Reuters mencatat bahwa sistem open-weight dapat diunduh, diperiksa, dan dimodifikasi, tetapi juga berpotensi diubah serta didistribusikan ulang dengan pengawasan yang relatif terbatas.19
Open-weight dan API tertutup: perbedaan operasional yang penting
Secara umum, banyak pengembang Tiongkok memang semakin mempromosikan rilis open-weight, sementara penyedia AI terdepan di AS seperti OpenAI dan Anthropic umumnya tidak menyediakan spesifikasi model terdepan mereka untuk diunduh.19 Namun, menyederhanakannya menjadi “Tiongkok selalu terbuka, AS selalu tertutup” jelas keliru. Strategi rilis berbeda-beda menurut model, pengembang, kapabilitas, dan kepentingan bisnis.
Perbedaan utamanya bersifat operasional:
- Model open-weight memberi pengguna lebih banyak kendali atas lokasi dan cara model dijalankan.
- Model API tertutup membuat penerapan dan banyak infrastruktur keselamatan tetap berada di bawah kendali penyedia.
Dari sini muncul pertukaran kebijakan yang nyata. Aturan yang bertumpu pada pemantauan terpusat, pengujian, lisensi, atau pelaporan mungkin lebih mudah dijalankan oleh penyedia API besar—dan berpotensi menguntungkan model operasi mereka. Ini adalah inferensi mengenai insentif regulasi, bukan hasil yang sudah pasti.
Kebijakan juga dapat diarahkan pada penerapan berisiko tinggi dan organisasi yang mengoperasikan model, bukan semata-mata melarang distribusi bobot. Peneliti Stanford mengingatkan bahwa adopsi global model open-weight dari Tiongkok dapat memengaruhi akses teknologi, persaingan, keselamatan, dan tata kelola AI.18
Kesimpulan
QVQ-72B-Preview merupakan eksperimen penting pada Desember 2024 dalam penalaran visual open-weight. Model ini menunjukkan peningkatan yang dilaporkan Qwen pada MMMU, MathVision, dan OlympiadBench, tetapi juga secara terbuka mendokumentasikan batas besar pada keandalan dan kegunaannya.38
39
Pelajaran utamanya bukan bahwa penalaran berantai telah menyelesaikan persoalan AI multimodal. QVQ menunjukkan bahwa kemampuan menalar gambar dapat dirilis dalam bentuk yang bisa diperiksa dan dijalankan pengembang sendiri—seraya menegaskan bahwa keterbukaan harus diimbangi evaluasi yang ketat serta pengoperasian yang bertanggung jawab.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Mengenal QVQ-72B-Preview, Eksperimen AI Visual Open-Weight dari Alibaba"?
QVQ 72B Preview adalah model riset eksperimental dari tim Qwen Alibaba yang diperkenalkan pada Desember 2024 untuk meningkatkan penalaran visual.
Apa poin penting yang harus divalidasi terlebih dahulu?
QVQ 72B Preview adalah model riset eksperimental dari tim Qwen Alibaba yang diperkenalkan pada Desember 2024 untuk meningkatkan penalaran visual. Model ini ditujukan untuk memeriksa diagram, grafik, teks dalam gambar, dan soal matematika visual secara bertahap, tetapi penalaran panjang tidak menjamin jawabannya tetap berpijak pada gambar.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Rilis open weight memberi pengembang kendali untuk menjalankan dan menyesuaikan model di luar API vendor, sekaligus memindahkan lebih banyak tanggung jawab keamanan dan evaluasi kepada operator.[18][19]
Sumber
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