AnswersPublished19 sources
QVQ-72B-Preview: il modello open-weight di Alibaba che ragiona sulle immagini
QVQ 72B Preview è stato un modello sperimentale di ragionamento visivo del team Qwen di Alibaba, presentato nel dicembre 2024. Era pensato per analizzare immagini, grafici, diagrammi e problemi matematici visivi in più passaggi, ma spiegazioni lunghe non garantivano che il risultato restasse ancorato all’immagine.
Pubblicato daModificato con GPT-5.6 TerraImmagini generate con GPT Image 2
Research answer
Key takeaways
- QVQ 72B Preview è stato un modello sperimentale di ragionamento visivo del team Qwen di Alibaba, presentato nel dicembre 2024.
- Era pensato per analizzare immagini, grafici, diagrammi e problemi matematici visivi in più passaggi, ma spiegazioni lunghe non garantivano che il risultato restasse ancorato all’immagine.
- La disponibilità dei pesi rendeva possibile eseguirlo e adattarlo fuori da un’API del fornitore, trasferendo però a chi lo adotta più responsabilità su sicurezza, valutazione e gestione operativa.[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 è stato un modello di ricerca sperimentale del team Qwen di Alibaba, presentato nel dicembre 2024 per potenziare il ragionamento visivo: la capacità di osservare un’immagine e risolvere un problema sulla base di ciò che contiene. Basato su Qwen2-VL-72B, puntava sul ragionamento esteso nei compiti fondati su immagini. Va quindi letto come un primo tentativo open-weight di unire comprensione visiva e problem solving in più passaggi, non come un assistente multimodale generalista già maturo.38
39
Che cosa doveva fare
Dato un’immagine e un prompt, QVQ era progettato per esaminare gli elementi visivi prima di formulare una risposta. I casi d’uso più naturali comprendevano l’interpretazione di grafici e diagrammi, la lettura di informazioni presenti dentro le immagini, la soluzione di quesiti di matematica visiva e domande scientifiche che richiedono insieme osservazione e inferenza.
La sigla “72B” indica un modello di grandi dimensioni della famiglia Qwen. La parola “Preview”, invece, è decisiva: Qwen lo definiva esplicitamente un modello sperimentale di ricerca e ne documentava anche i limiti, oltre ai risultati nei benchmark.38
39
I risultati dichiarati nei benchmark
Nella tabella pubblicata da Qwen, QVQ-72B-Preview riportava questi risultati:
| Benchmark | QVQ-72B-Preview | Confronto con Qwen2-VL-72B |
|---|---|---|
| MMMU (validation) | 70,3 | 64,5 |
| MathVision (full) | 35,9 | 25,9 |
| OlympiadBench | 20,4 | 11,2 |
MMMU misura la comprensione multimodale su contenuti di livello universitario; MathVision è incentrato su problemi matematici basati su immagini; OlympiadBench comprende quesiti impegnativi bilingui di matematica e fisica. Nella comparazione di Qwen, QVQ superava Qwen2-VL-72B in tutte e tre le metriche, in linea con il suo posizionamento orientato al ragionamento.39
40
Si tratta però di risultati di valutazione dichiarati dal fornitore, non di una prova indipendente che il modello ottenga lo stesso rendimento in un prodotto reale. I miglioramenti nei benchmark sono segnali utili, ma non eliminano gli errori causati da immagini ambigue, prompt inconsueti, contesto mancante o ragionamenti fragili.
I limiti di lancio più rilevanti
I vincoli di QVQ contavano molto, perché delimitavano la distanza tra una dimostrazione promettente e un assistente davvero pratico.
Immagini sì, video no
La preview accettava immagini, ma non supportava input video, pur se la precedente linea Qwen2-VL disponeva di capacità video. Il suo campo d’azione restava quindi l’analisi di contenuti statici.37
43
Nessun vero seguito sulla stessa immagine
L’interazione con un’immagine era, di fatto, a turno singolo. Non era possibile porre una domanda di approfondimento mantenendo il contesto visivo già fornito: per ottenere una nuova risposta bisognava inviare di nuovo l’immagine con un altro prompt. Le cronache dell’epoca descrivevano l’analisi come prodotta in un’unica soluzione.34
Il ragionamento lungo poteva perdere il contatto con l’evidenza visiva
L’avvertenza più importante di Qwen riguardava il ragionamento visivo in più passaggi: QVQ poteva gradualmente perdere il focus sull’immagine e generare allucinazioni. In pratica, una spiegazione lunga e apparentemente ordinata poteva allontanarsi dagli elementi effettivamente presenti nell’immagine.33
38
La scheda del modello segnalava inoltre possibili mescolanze o cambi imprevisti di lingua e cicli ricorsivi di ragionamento, capaci di produrre risposte molto lunghe senza arrivare a una conclusione.38
39
Conseguenza pratica: per utilizzi ad alta posta in gioco, l’output di QVQ richiedeva verifica. Una traccia di ragionamento visibile non dimostra, da sola, che ogni osservazione sia corretta o fondata sull’immagine.
Perché la distribuzione open-weight era significativa
L’interesse della release andava oltre una singola tabella di benchmark: si inseriva nell’approccio open-weight associato a Qwen e ad altri sviluppatori cinesi. Un modello open-weight rende disponibili per il download i parametri addestrati — i pesi — così da poterli usare e modificare. Le organizzazioni possono quindi eseguire il modello fuori dall’applicazione o dall’API dello sviluppatore e adattarlo a nuovi impieghi.18
Per gli sviluppatori, questo può offrire diversi vantaggi:
- Controllo del deployment: esecuzione su infrastruttura privata o nel cloud scelto dall’organizzazione.
- Adattabilità: possibilità di fine-tuning, quantizzazione o integrazione in uno stack specializzato.
- Portabilità: minore dipendenza da un’unica API ospitata dal fornitore.
A questi vantaggi corrispondono responsabilità concrete. Chi usa pesi scaricati deve gestire in proprio infrastruttura, test, controlli di accesso, sicurezza e prevenzione degli abusi. Reuters osserva che i sistemi open-weight possono essere scaricati, ispezionati e modificati, ma anche alterati e redistribuiti con una supervisione relativamente limitata.19
Open-weight e API chiuse: una distinzione utile, non una regola geopolitica assoluta
È generalmente corretto dire che molti sviluppatori cinesi hanno promosso release open-weight, mentre fornitori statunitensi di frontiera come OpenAI e Anthropic non rendono normalmente scaricabili le specifiche dei loro modelli di punta.19 Ma ridurre il quadro a “Cina uguale aperto” e “Stati Uniti uguale chiuso” sarebbe fuorviante: le scelte cambiano in base al modello, allo sviluppatore, alle capacità e alla strategia commerciale.
La distinzione sostanziale è operativa:
- i modelli open-weight danno agli utenti maggiore controllo sul luogo e sulle modalità di esecuzione;
- i modelli accessibili tramite API chiuse mantengono il deployment e gran parte dell’infrastruttura di sicurezza sotto il controllo del fornitore.
Ne deriva un compromesso di policy reale. Regole imperniate su monitoraggio centralizzato, test, licenze o obblighi di rendicontazione potrebbero essere più semplici da amministrare per i grandi fornitori API e, potenzialmente, favorirne il modello operativo. È un’inferenza sugli incentivi regolatori, non un esito dimostrato. Le norme possono anche concentrarsi sugli impieghi ad alto rischio e sulle organizzazioni che li gestiscono, invece di vietare la distribuzione dei pesi. Ricercatori di Stanford avvertono che l’adozione globale di modelli open-weight cinesi può incidere su accesso alla tecnologia, concorrenza, sicurezza e governance dell’IA.18
In sintesi
QVQ-72B-Preview è stato un esperimento rilevante del dicembre 2024 nel ragionamento visivo open-weight: secondo Qwen, mostrava progressi su MMMU, MathVision e OlympiadBench, ma documentava apertamente limiti importanti di usabilità e affidabilità. La lezione non è che il ragionamento a catena abbia risolto l’IA multimodale; piuttosto, che capacità migliori di analisi delle immagini potevano essere distribuite in una forma ispezionabile e implementabile dagli sviluppatori — e che questa apertura rende ancora più necessari valutazioni rigorose e impieghi responsabili.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: il modello open-weight di Alibaba che ragiona sulle immagini"?
QVQ 72B Preview è stato un modello sperimentale di ragionamento visivo del team Qwen di Alibaba, presentato nel dicembre 2024.
What are the key points to validate first?
QVQ 72B Preview è stato un modello sperimentale di ragionamento visivo del team Qwen di Alibaba, presentato nel dicembre 2024. Era pensato per analizzare immagini, grafici, diagrammi e problemi matematici visivi in più passaggi, ma spiegazioni lunghe non garantivano che il risultato restasse ancorato all’immagine.
What should I do next in practice?
La disponibilità dei pesi rendeva possibile eseguirlo e adattarlo fuori da un’API del fornitore, trasferendo però a chi lo adotta più responsabilità su sicurezza, valutazione e gestione operativa.[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