QVQ-72B-Preview는 알리바바의 Qwen 팀이 2024년 12월 선보인 실험적 연구용 시각 추론 모델이다. 이미지를 인식하는 데서 멈추지 않고, 이미지 안의 단서를 바탕으로 문제를 여러 단계에 걸쳐 풀도록 설계됐다. 기반은 Qwen2-VL-72B 계열이며, 이름의 ‘Preview’가 말해 주듯 완성된 범용 멀티모달 비서라기보다 시각적 추론 능력을 시험한 초기 모델로 보는 편이 정확하다.3839

무엇을 하도록 설계됐나

사용자가 이미지와 질문을 함께 주면 QVQ는 이미지의 정보에 근거해 답을 도출하려 했다. 예를 들어 다음과 같은 작업이 대상이다.

• 그래프·차트·다이어그램 해석
• 이미지에 포함된 글자나 정보 읽기
• 그림이 포함된 수학 문제 풀이
• 관찰과 추론을 함께 요구하는 과학 문제 답변

핵심은 단순히 사물을 분류하는 비전 AI가 아니라, 이미지 속 증거를 살핀 뒤 다단계 추론을 수행하는 모델을 지향했다는 점이다.

Qwen이 공개한 벤치마크 성적

Qwen의 비교표에 따르면 QVQ-72B-Preview는 아래 항목에서 Qwen2-VL-72B보다 높은 점수를 냈다.

벤치마크	QVQ-72B-Preview	Qwen2-VL-72B
MMMU(검증 세트)	70.3	64.5
MathVision(전체)	35.9	25.9
OlympiadBench	20.4	11.2

MMMU는 대학 수준의 폭넓은 멀티모달 이해를, MathVision은 이미지 기반 수학 문제 해결을 평가한다. OlympiadBench는 중국어와 영어로 구성된 고난도 수학·물리 문제를 포함한다. Qwen이 제시한 수치만 놓고 보면, QVQ는 세 항목 모두에서 기반 모델보다 개선된 결과를 보였고, 이는 ‘추론 강화’라는 모델의 목표와도 맞아떨어진다.3940

다만 이는 개발사가 보고한 평가 결과다. 실제 서비스 환경에서 같은 수준의 성능을 보장하는 독립 검증은 아니다. 모호한 이미지, 낯선 질문 방식, 빠진 맥락, 불안정한 추론 과정에서는 오류가 발생할 수 있다.

출시 당시 가장 중요한 제약

QVQ의 가치는 성적표만으로 판단하기 어렵다. 실제 활용 범위를 결정한 제약이 분명했기 때문이다.

동영상이 아닌 이미지 전용

QVQ-72B-Preview는 이미지 입력은 지원했지만 동영상 입력은 지원하지 않았다. 앞선 Qwen2-VL 계열에 동영상 기능이 있었던 것과 비교하면, 정지 이미지 분석에 초점을 좁힌 셈이다.3743

같은 이미지를 두고 이어 묻는 대화는 불가

이미지에 대한 상호작용은 사실상 단일 턴이었다. 사용자가 같은 이미지를 두고 후속 질문을 하려면, 이미지와 새 프롬프트를 다시 제출해야 했다. 당시 보도도 이 모델이 분석을 한 번에 생성하며 후속 질문을 받지 못한다고 설명했다.34

길게 추론할수록 이미지 근거를 놓칠 위험

Qwen이 직접 밝힌 가장 중요한 한계는 다단계 시각 추론 중 모델이 이미지 내용에 대한 초점을 점차 잃고 환각을 일으킬 수 있다는 점이다.3338

즉, 설명이 길고 체계적으로 보여도 그것이 이미지의 실제 정보에 끝까지 근거한다는 보장은 없다. 모델 카드에는 응답 도중 언어가 섞이거나 갑자기 바뀌는 현상, 결론에 도달하지 못한 채 순환 논리에 빠져 장황한 답변을 만드는 문제도 명시됐다.3839

실무적 결론: 의료, 법률, 안전, 중요한 의사결정처럼 오류 비용이 큰 용도에서는 결과를 반드시 별도로 확인해야 한다. 보이는 추론 과정은 각 관찰이 정확하고 이미지에 근거했다는 증명서가 아니다.

오픈 웨이트 공개가 갖는 의미

QVQ의 의미는 개별 벤치마크 성적을 넘어 Qwen의 오픈 웨이트 전략을 보여줬다는 데 있다. 오픈 웨이트 모델은 학습된 파라미터, 즉 입력에 대한 출력에 영향을 주는 모델 가중치를 내려받아 사용·수정할 수 있게 한 모델을 뜻한다. 조직은 개발사 앱이나 API 밖에서 이를 직접 운영하고 새 용도에 맞게 조정할 수 있다.18

개발자와 기업 입장에서는 다음과 같은 이점이 있다.

• 배포 통제권: 사내 인프라나 원하는 클라우드에서 직접 운영할 수 있다.
• 맞춤화: 양자화, 미세 조정, 특정 업무용 시스템 통합이 가능하다.
• 이식성: 특정 기업의 호스팅 API에 대한 의존도를 낮출 수 있다.

반대로 책임도 커진다. 내려받은 가중치를 직접 운영하는 조직은 인프라, 성능 평가, 접근 통제, 보안, 오남용 방지 체계를 스스로 마련해야 한다. 로이터는 오픈 웨이트 시스템이 내려받기·검사·수정이 가능하지만, 상대적으로 적은 감독 아래 수정·재배포될 수 있다는 위험도 지적한다.19

오픈 웨이트와 폐쇄형 API의 차이

중국 AI 개발사들이 오픈 웨이트 공개를 적극 추진해 온 반면, 오픈AI와 앤스로픽 같은 미국의 선도 기업들은 주요 모델 사양을 내려받을 수 있게 공개하지 않는다는 비교는 대체로 사실이다.19 그러나 이를 ‘중국 모델은 모두 개방형, 미국 모델은 모두 폐쇄형’으로 일반화할 수는 없다. 공개 여부는 모델별 성능, 사업 전략, 개발사 정책에 따라 달라진다.

실질적인 차이는 운영 방식에 있다.

• 오픈 웨이트 모델: 이용자가 모델을 어디서 어떻게 돌릴지 더 큰 통제권을 가진다.
• 폐쇄형 API 모델: 제공사가 배포 환경과 상당 부분의 안전 장치를 통제한다.

규제 측면에서도 선택지가 갈린다. 중앙집중식 모니터링, 사전 시험, 인가, 보고를 중심으로 설계된 규칙은 대형 API 사업자가 운영하기 더 쉬워 그들의 사업 모델에 유리하게 작용할 수 있다. 이는 규제 인센티브에 관한 가능한 추론이지, 이미 확정된 결과는 아니다. 반대로 규제는 가중치 배포 자체를 금지하기보다 고위험 활용 사례와 실제 운영 조직을 겨냥할 수도 있다. 스탠퍼드 연구진은 중국 오픈 웨이트 모델의 세계적 확산이 기술 접근성, 경쟁, 안전, AI 거버넌스에 영향을 줄 수 있다고 분석했다.18

한줄 정리

QVQ-72B-Preview는 이미지 추론을 더 깊게 만들려는 주목할 만한 2024년 12월의 오픈 웨이트 실험이었다. Qwen이 발표한 MMMU, MathVision, OlympiadBench 성적은 개선 가능성을 보여줬지만, 이미지 전용·단일 턴이라는 사용성 제약과 긴 추론 중 이미지 근거를 잃어 환각할 수 있다는 신뢰성 문제도 분명했다. 이 모델이 남긴 메시지는 ‘긴 추론이 멀티모달 AI를 해결했다’가 아니다. 개발자가 직접 점검하고 배포할 수 있는 형태로 시각 추론 모델을 공개할 수 있으며, 그만큼 엄격한 평가와 책임 있는 운영이 중요해진다는 것이다.3839

QVQ-72B-Preview는 알리바바의 Qwen 팀이 2024년 12월 선보인 실험적 연구용 시각 추론 모델이다. 이미지를 인식하는 데서 멈추지 않고, 이미지 안의 단서를 바탕으로 문제를 여러 단계에 걸쳐 풀도록 설계됐다. 기반은 Qwen2-VL-72B 계열이며, 이름의 ‘Preview’가 말해 주듯 완성된 범용 멀티모달 비서라기보다 시각적 추론 능력을 시험한 초기 모델로 보는 편이 정확하다.3839

무엇을 하도록 설계됐나

사용자가 이미지와 질문을 함께 주면 QVQ는 이미지의 정보에 근거해 답을 도출하려 했다. 예를 들어 다음과 같은 작업이 대상이다.

• 그래프·차트·다이어그램 해석
• 이미지에 포함된 글자나 정보 읽기
• 그림이 포함된 수학 문제 풀이
• 관찰과 추론을 함께 요구하는 과학 문제 답변

핵심은 단순히 사물을 분류하는 비전 AI가 아니라, 이미지 속 증거를 살핀 뒤 다단계 추론을 수행하는 모델을 지향했다는 점이다.

Qwen이 공개한 벤치마크 성적

Qwen의 비교표에 따르면 QVQ-72B-Preview는 아래 항목에서 Qwen2-VL-72B보다 높은 점수를 냈다.

벤치마크	QVQ-72B-Preview	Qwen2-VL-72B
MMMU(검증 세트)	70.3	64.5
MathVision(전체)	35.9	25.9
OlympiadBench	20.4	11.2

MMMU는 대학 수준의 폭넓은 멀티모달 이해를, MathVision은 이미지 기반 수학 문제 해결을 평가한다. OlympiadBench는 중국어와 영어로 구성된 고난도 수학·물리 문제를 포함한다. Qwen이 제시한 수치만 놓고 보면, QVQ는 세 항목 모두에서 기반 모델보다 개선된 결과를 보였고, 이는 ‘추론 강화’라는 모델의 목표와도 맞아떨어진다.3940

다만 이는 개발사가 보고한 평가 결과다. 실제 서비스 환경에서 같은 수준의 성능을 보장하는 독립 검증은 아니다. 모호한 이미지, 낯선 질문 방식, 빠진 맥락, 불안정한 추론 과정에서는 오류가 발생할 수 있다.

출시 당시 가장 중요한 제약

QVQ의 가치는 성적표만으로 판단하기 어렵다. 실제 활용 범위를 결정한 제약이 분명했기 때문이다.

동영상이 아닌 이미지 전용

QVQ-72B-Preview는 이미지 입력은 지원했지만 동영상 입력은 지원하지 않았다. 앞선 Qwen2-VL 계열에 동영상 기능이 있었던 것과 비교하면, 정지 이미지 분석에 초점을 좁힌 셈이다.3743

같은 이미지를 두고 이어 묻는 대화는 불가

이미지에 대한 상호작용은 사실상 단일 턴이었다. 사용자가 같은 이미지를 두고 후속 질문을 하려면, 이미지와 새 프롬프트를 다시 제출해야 했다. 당시 보도도 이 모델이 분석을 한 번에 생성하며 후속 질문을 받지 못한다고 설명했다.34

길게 추론할수록 이미지 근거를 놓칠 위험

Qwen이 직접 밝힌 가장 중요한 한계는 다단계 시각 추론 중 모델이 이미지 내용에 대한 초점을 점차 잃고 환각을 일으킬 수 있다는 점이다.3338

즉, 설명이 길고 체계적으로 보여도 그것이 이미지의 실제 정보에 끝까지 근거한다는 보장은 없다. 모델 카드에는 응답 도중 언어가 섞이거나 갑자기 바뀌는 현상, 결론에 도달하지 못한 채 순환 논리에 빠져 장황한 답변을 만드는 문제도 명시됐다.3839

실무적 결론: 의료, 법률, 안전, 중요한 의사결정처럼 오류 비용이 큰 용도에서는 결과를 반드시 별도로 확인해야 한다. 보이는 추론 과정은 각 관찰이 정확하고 이미지에 근거했다는 증명서가 아니다.

오픈 웨이트 공개가 갖는 의미

QVQ의 의미는 개별 벤치마크 성적을 넘어 Qwen의 오픈 웨이트 전략을 보여줬다는 데 있다. 오픈 웨이트 모델은 학습된 파라미터, 즉 입력에 대한 출력에 영향을 주는 모델 가중치를 내려받아 사용·수정할 수 있게 한 모델을 뜻한다. 조직은 개발사 앱이나 API 밖에서 이를 직접 운영하고 새 용도에 맞게 조정할 수 있다.18

개발자와 기업 입장에서는 다음과 같은 이점이 있다.

• 배포 통제권: 사내 인프라나 원하는 클라우드에서 직접 운영할 수 있다.
• 맞춤화: 양자화, 미세 조정, 특정 업무용 시스템 통합이 가능하다.
• 이식성: 특정 기업의 호스팅 API에 대한 의존도를 낮출 수 있다.

반대로 책임도 커진다. 내려받은 가중치를 직접 운영하는 조직은 인프라, 성능 평가, 접근 통제, 보안, 오남용 방지 체계를 스스로 마련해야 한다. 로이터는 오픈 웨이트 시스템이 내려받기·검사·수정이 가능하지만, 상대적으로 적은 감독 아래 수정·재배포될 수 있다는 위험도 지적한다.19

오픈 웨이트와 폐쇄형 API의 차이

중국 AI 개발사들이 오픈 웨이트 공개를 적극 추진해 온 반면, 오픈AI와 앤스로픽 같은 미국의 선도 기업들은 주요 모델 사양을 내려받을 수 있게 공개하지 않는다는 비교는 대체로 사실이다.19 그러나 이를 ‘중국 모델은 모두 개방형, 미국 모델은 모두 폐쇄형’으로 일반화할 수는 없다. 공개 여부는 모델별 성능, 사업 전략, 개발사 정책에 따라 달라진다.

실질적인 차이는 운영 방식에 있다.

• 오픈 웨이트 모델: 이용자가 모델을 어디서 어떻게 돌릴지 더 큰 통제권을 가진다.
• 폐쇄형 API 모델: 제공사가 배포 환경과 상당 부분의 안전 장치를 통제한다.

규제 측면에서도 선택지가 갈린다. 중앙집중식 모니터링, 사전 시험, 인가, 보고를 중심으로 설계된 규칙은 대형 API 사업자가 운영하기 더 쉬워 그들의 사업 모델에 유리하게 작용할 수 있다. 이는 규제 인센티브에 관한 가능한 추론이지, 이미 확정된 결과는 아니다. 반대로 규제는 가중치 배포 자체를 금지하기보다 고위험 활용 사례와 실제 운영 조직을 겨냥할 수도 있다. 스탠퍼드 연구진은 중국 오픈 웨이트 모델의 세계적 확산이 기술 접근성, 경쟁, 안전, AI 거버넌스에 영향을 줄 수 있다고 분석했다.18

한줄 정리

QVQ-72B-Preview는 이미지 추론을 더 깊게 만들려는 주목할 만한 2024년 12월의 오픈 웨이트 실험이었다. Qwen이 발표한 MMMU, MathVision, OlympiadBench 성적은 개선 가능성을 보여줬지만, 이미지 전용·단일 턴이라는 사용성 제약과 긴 추론 중 이미지 근거를 잃어 환각할 수 있다는 신뢰성 문제도 분명했다. 이 모델이 남긴 메시지는 ‘긴 추론이 멀티모달 AI를 해결했다’가 아니다. 개발자가 직접 점검하고 배포할 수 있는 형태로 시각 추론 모델을 공개할 수 있으며, 그만큼 엄격한 평가와 책임 있는 운영이 중요해진다는 것이다.3839