AnswersPublished19 sources
QVQ-72B-Preview: Model Penaakulan Visual Terbuka Alibaba yang Masih Eksperimental
QVQ 72B Preview ialah model penaakulan visual eksperimen pasukan Qwen Alibaba yang diperkenalkan pada Disember 2024. Ia direka untuk menilai gambar, rajah, carta dan masalah matematik visual secara berbilang langkah, tetapi penjelasan panjang tidak menjamin jawapannya kekal berpandukan imej.
Diterbitkan olehDisunting dengan GPT-5.6 TerraImej dijana dengan GPT Image 2
Research answer
Key takeaways
- QVQ 72B Preview ialah model penaakulan visual eksperimen pasukan Qwen Alibaba yang diperkenalkan pada Disember 2024.
- Ia direka untuk menilai gambar, rajah, carta dan masalah matematik visual secara berbilang langkah, tetapi penjelasan panjang tidak menjamin jawapannya kekal berpandukan imej.
- Pelepasan open weight membolehkan model dimuat turun dan diubah suai di luar API pembekal, namun tanggungjawab keselamatan, penilaian dan operasi beralih kepada pihak yang menggunakannya.[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 ialah model penyelidikan eksperimen daripada pasukan Qwen Alibaba, diperkenalkan pada Disember 2024 untuk memperkukuh penaakulan visual — iaitu keupayaan meneliti imej dan menyelesaikan masalah berdasarkan kandungannya. Model ini dibina berasaskan Qwen2-VL-72B dan menumpukan penaakulan yang lebih panjang untuk tugasan berasaskan imej. Ia lebih tepat dilihat sebagai percubaan awal open-weight untuk menggabungkan kefahaman visual dengan penyelesaian masalah berbilang langkah, bukannya pembantu multimodal serba guna yang sudah matang.38
39
Apa yang cuba dilakukan oleh QVQ-72B-Preview
Apabila menerima gambar dan arahan, QVQ bertujuan meneliti bukti visual sebelum memberikan jawapan. Pendekatan ini sesuai untuk tugasan seperti mentafsir carta dan rajah, membaca maklumat yang tertanam dalam imej, menjawab soalan matematik visual, serta soalan sains yang memerlukan pemerhatian dan inferens.
Label “72B” merujuk kepada saiz besar model dalam keluarga Qwen, manakala “Preview” pula sangat penting: Qwen sendiri menggelarkannya model penyelidikan eksperimen dan turut menggariskan batasannya bersama keputusan penanda aras.38
39
Keputusan penanda aras yang dilaporkan
Jadual perbandingan yang diterbitkan oleh Qwen melaporkan keputusan berikut bagi QVQ-72B-Preview:
| Penanda aras | QVQ-72B-Preview | Perbandingan Qwen2-VL-72B |
|---|---|---|
| MMMU (pengesahan) | 70.3 | 64.5 |
| MathVision (penuh) | 35.9 | 25.9 |
| OlympiadBench | 20.4 | 11.2 |
MMMU menilai kefahaman multimodal luas di peringkat kolej; MathVision memberi tumpuan kepada masalah matematik berasaskan imej; manakala OlympiadBench merangkumi soalan matematik dan fizik dwibahasa yang mencabar. Dalam jadual Qwen, QVQ mengatasi skor Qwen2-VL-72B yang disenaraikan bagi ketiga-tiga ukuran itu, selaras dengan kedudukannya sebagai model berorientasikan penaakulan.39
40
Namun, ini ialah keputusan penilaian yang dilaporkan oleh pembangun, bukan bukti bebas bahawa prestasi sama akan berlaku dalam penggunaan sebenar. Peningkatan skor penanda aras ialah petunjuk yang berguna, tetapi tidak menghapuskan kegagalan akibat imej kabur, arahan luar biasa, konteks tidak mencukupi atau penaakulan yang rapuh.
Batasan pelancaran yang perlu diberi perhatian
Kekangan QVQ penting kerana ia membezakan demonstrasi yang menjanjikan daripada pembantu yang benar-benar praktikal.
Menerima imej, bukan video
Versi pratonton ini menerima input imej tetapi tidak menyokong video, walaupun siri Qwen2-VL terdahulu mempunyai keupayaan video. Ini mengehadkan penggunaannya kepada analisis visual statik.37
43
Tiada perbualan susulan berterusan untuk imej yang sama
Interaksi bagi satu imej pada asasnya hanya satu pusingan. Pengguna tidak boleh mengemukakan soalan susulan sambil mengekalkan konteks visual yang sama; mereka perlu memuat naik semula imej bersama arahan baharu. Liputan ketika itu menggambarkan analisis model sebagai dihasilkan dalam satu percubaan.34
Penaakulan panjang boleh tersasar daripada bukti imej
Amaran utama daripada Qwen lebih besar kesannya: semasa penaakulan visual berbilang langkah, QVQ boleh beransur-ansur hilang tumpuan terhadap kandungan imej lalu menghasilkan halusinasi. Maksudnya, penjelasan yang panjang dan kelihatan teratur masih boleh terpisah daripada bukti visual yang sepatutnya dianalisis.33
38
Kad model itu turut memberi amaran tentang percampuran bahasa atau pertukaran bahasa yang tidak dijangka, selain gelung penaakulan berulang yang boleh menghasilkan respons panjang tanpa kesimpulan.38
39
Implikasi praktikal: output QVQ perlu disemak bagi kegunaan berisiko tinggi. Jejak penaakulan yang dipaparkan bukan bukti bahawa setiap pemerhatian adalah tepat atau benar-benar berpandukan imej.
Mengapa pelepasan open-weight ini penting
Kepentingan QVQ bukan hanya pada satu jadual penanda aras. Ia seiring dengan pendekatan open-weight yang dikaitkan dengan Qwen dan beberapa pembangun AI China lain. Model open-weight menyediakan parameter terlatihnya — atau weights — untuk dimuat turun, digunakan dan diubah suai. Ini membolehkan organisasi menjalankan model di luar aplikasi atau API pembangunnya, lalu menyesuaikannya untuk kegunaan baharu.18
Antara manfaat kepada pembangun ialah:
- Kawalan penggunaan: Model boleh dijalankan pada infrastruktur persendirian atau persekitaran awan pilihan.
- Kebolehsuaian: Pemberat boleh diperhalusi, dikuantumkan atau disepadukan ke dalam sistem khusus.
- Kebolehalihan: Kebergantungan kepada satu API yang dihoskan pembekal dapat dikurangkan.
Namun, manfaat itu datang bersama tanggungjawab. Organisasi yang mengendalikan pemberat dimuat turun perlu mengurus sendiri infrastruktur, penilaian, kawalan akses, amalan keselamatan dan pencegahan penyalahgunaan. Reuters menyatakan sistem open-weight boleh dimuat turun, diperiksa serta diubah suai, tetapi juga boleh diubah dan diedarkan semula dengan pengawasan yang relatif terhad.19
Open-weight berbanding API tertutup: perbezaan yang berguna, bukan aturan geopolitik mutlak
Secara umum, banyak pembangun China menggalakkan pelepasan open-weight, sementara penyedia AI barisan hadapan dari Amerika Syarikat seperti OpenAI dan Anthropic lazimnya tidak menyediakan spesifikasi model utama mereka untuk dimuat turun.19 Namun, rumusan “China terbuka, Amerika tertutup” terlalu mudah: pilihan pelepasan berbeza mengikut model, pembangun, keupayaan dan strategi komersial.
Perbezaan yang lebih bermakna ialah dari segi operasi:
- Model open-weight memberi pengguna lebih kawalan terhadap lokasi dan cara model dijalankan.
- Model API tertutup mengekalkan pelaksanaan serta sebahagian besar infrastruktur keselamatan di bawah kawalan pembekal.
Ini mewujudkan pertukaran dasar yang nyata. Peraturan yang berpusat pada pemantauan, ujian, pelesenan atau pelaporan secara berpusat mungkin lebih mudah dikendalikan oleh penyedia API besar, sekali gus berpotensi memihak kepada model operasi mereka. Itu ialah inferens tentang insentif kawal selia, bukannya hasil yang telah terbukti. Dasar juga boleh menumpukan penggunaan berisiko tinggi dan organisasi yang mengendalikan model, bukannya mengharamkan pengedaran pemberat. Penyelidik Stanford mengingatkan bahawa penggunaan meluas model open-weight China di peringkat global boleh mempengaruhi akses teknologi, persaingan, keselamatan dan tadbir urus AI.18
Kesimpulan
QVQ-72B-Preview ialah eksperimen penting dalam penaakulan visual open-weight pada Disember 2024. Ia menunjukkan peningkatan yang dilaporkan Qwen dalam MMMU, MathVision dan OlympiadBench, tetapi pada masa sama mendokumentasikan batasan besar dari segi penggunaan dan kebolehpercayaan. Pengajarannya bukan bahawa penaakulan berantai telah menyelesaikan masalah AI multimodal. Sebaliknya, ia menunjukkan penaakulan imej yang lebih baik boleh dilepaskan dalam bentuk yang boleh diperiksa dan digunakan pembangun — dan keterbukaan itu menjadikan penilaian rapi serta operasi bertanggungjawab lebih penting.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: Model Penaakulan Visual Terbuka Alibaba yang Masih Eksperimental"?
QVQ 72B Preview ialah model penaakulan visual eksperimen pasukan Qwen Alibaba yang diperkenalkan pada Disember 2024.
What are the key points to validate first?
QVQ 72B Preview ialah model penaakulan visual eksperimen pasukan Qwen Alibaba yang diperkenalkan pada Disember 2024. Ia direka untuk menilai gambar, rajah, carta dan masalah matematik visual secara berbilang langkah, tetapi penjelasan panjang tidak menjamin jawapannya kekal berpandukan imej.
What should I do next in practice?
Pelepasan open weight membolehkan model dimuat turun dan diubah suai di luar API pembekal, namun tanggungjawab keselamatan, penilaian dan operasi beralih kepada pihak yang menggunakannya.[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