RespostasPublicado19 fontes
QVQ-72B-Preview: como funcionava o modelo de raciocínio visual da Alibaba
O QVQ 72B Preview foi um modelo experimental de raciocínio visual da equipe Qwen, da Alibaba, apresentado em dezembro de 2024. A proposta era analisar imagens, gráficos, diagramas e problemas matemáticos em várias etapas; porém, explicações longas não garantiam que a resposta continuasse ancorada na imagem.
Publicado porEditado com GPT-5.6 TerraImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- O QVQ 72B Preview foi um modelo experimental de raciocínio visual da equipe Qwen, da Alibaba, apresentado em dezembro de 2024.
- A proposta era analisar imagens, gráficos, diagramas e problemas matemáticos em várias etapas; porém, explicações longas não garantiam que a resposta continuasse ancorada na imagem.
- O lançamento ilustrou a vantagem dos modelos de pesos abertos: eles podem ser baixados, adaptados e executados fora da API do fornecedor, mas transferem mais responsabilidades de segurança e operação para quem os usa....
Prompt de IA
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
O QVQ-72B-Preview foi um modelo experimental de pesquisa da equipe Qwen, da Alibaba, apresentado em dezembro de 2024 para melhorar o raciocínio visual: a capacidade de examinar uma imagem e resolver um problema a partir do que ela mostra. Baseado no Qwen2-VL-72B, o modelo dava ênfase a um processo de raciocínio mais extenso em tarefas visuais. Na prática, ele deve ser entendido como uma iniciativa inicial de pesos abertos para unir compreensão de imagens e resolução de problemas em múltiplas etapas — não como um assistente multimodal pronto para todo tipo de uso.38
39
Para que o QVQ foi criado
Ao receber uma imagem e uma instrução, o QVQ buscava analisar as evidências visuais antes de responder. Isso o tornava relevante para casos como interpretação de gráficos e diagramas, leitura de informações inseridas em imagens, resolução de questões de matemática visual e perguntas de ciências que exigem observação e inferência.
O número “72B” indica que se trata de um modelo grande da família Qwen, com cerca de 72 bilhões de parâmetros. Já “Preview” é uma ressalva decisiva: a própria Qwen o classificou como um modelo experimental de pesquisa e destacou suas limitações junto com os resultados de benchmark.38
39
Desempenho reportado em benchmarks
Na tabela comparativa publicada pela Qwen, o QVQ-72B-Preview obteve os seguintes resultados:
| Benchmark | QVQ-72B-Preview | Comparação: Qwen2-VL-72B |
|---|---|---|
| MMMU (validação) | 70,3 | 64,5 |
| MathVision (completo) | 35,9 | 25,9 |
| OlympiadBench | 20,4 | 11,2 |
O MMMU mede compreensão multimodal ampla em nível universitário; o MathVision se concentra em problemas matemáticos baseados em imagens; e o OlympiadBench inclui questões desafiadoras e bilíngues de matemática e física. Na tabela da Qwen, o QVQ superou os resultados listados para o Qwen2-VL-72B nas três avaliações, algo coerente com seu posicionamento voltado ao raciocínio.39
40
São resultados de avaliação reportados pelo fornecedor, e não uma confirmação independente de desempenho equivalente em produção. Ganhos em benchmarks são sinais úteis, mas não eliminam falhas provocadas por imagens ambíguas, instruções incomuns, falta de contexto ou raciocínio frágil.
As limitações de lançamento que mais importavam
As restrições do QVQ eram centrais para distinguir uma demonstração promissora de um assistente realmente prático.
Aceitava imagens, não vídeos
A prévia recebia imagens, mas não aceitava vídeo — embora a linha Qwen2-VL anterior tivesse recursos para vídeo. Isso limitava seu uso à análise visual estática.37
43
Não mantinha conversa contínua sobre a mesma imagem
A interação com uma imagem era, na prática, de rodada única. Não era possível fazer uma pergunta de acompanhamento preservando o contexto visual já enviado: para obter uma nova resposta, era necessário reenviar a imagem com outra instrução. A cobertura da época descreveu o modelo como capaz de produzir sua análise de uma vez só.34
Raciocínios longos podiam se afastar da evidência visual
O principal alerta da Qwen era mais relevante: durante um raciocínio visual de várias etapas, o QVQ podia perder gradualmente o foco no conteúdo da imagem e alucinar. Em outras palavras, uma explicação extensa poderia soar metódica, mas se desconectar das evidências visuais que deveria analisar.33
38
A ficha do modelo também alertava para mistura ou troca inesperada de idiomas e para ciclos recursivos de raciocínio, capazes de gerar respostas longas sem chegar a uma conclusão.38
39
Implicação prática: qualquer aplicação de alto impacto exigiria verificação das respostas do QVQ. Um rastro de raciocínio visível não prova que cada observação esteja correta ou tenha base na imagem.
Por que o lançamento de pesos abertos teve importância estratégica
O lançamento foi além de uma tabela de benchmarks porque se encaixava na estratégia mais ampla de modelos de pesos abertos associada à Qwen e a outros desenvolvedores chineses de IA. Em um modelo de pesos abertos, os parâmetros treinados — os valores que determinam como o sistema produz respostas — ficam disponíveis para download, uso e modificação. Assim, organizações podem executá-lo fora do aplicativo ou da API do desenvolvedor e adaptá-lo a novos usos.18
Para desenvolvedores e empresas, isso pode trazer benefícios como:
- Controle de implantação: executar o modelo em infraestrutura própria ou em uma nuvem escolhida.
- Adaptabilidade: ajustar, quantizar ou integrar os pesos a uma solução especializada.
- Portabilidade: reduzir a dependência de uma API hospedada por um único fornecedor.
Essas vantagens também trazem responsabilidades. Quem opera pesos baixados precisa cuidar da infraestrutura, da avaliação do modelo, dos controles de acesso, das práticas de segurança e da prevenção de usos indevidos. A Reuters observa que sistemas de pesos abertos podem ser baixados, inspecionados e modificados, mas também alterados e redistribuídos com relativamente pouca supervisão.19
Pesos abertos versus APIs fechadas: uma diferença útil, mas não uma regra geopolítica completa
É correto, em termos gerais, dizer que vários desenvolvedores chineses vêm promovendo modelos de pesos abertos, enquanto fornecedores de ponta dos Estados Unidos, como OpenAI e Anthropic, em geral não disponibilizam para download as especificações de seus principais modelos.19 Mas reduzir a discussão a “chinês é aberto” e “americano é fechado” seria simplificar demais: a decisão de lançamento varia conforme o modelo, a empresa, a capacidade e a estratégia comercial.
A diferença operacional é mais importante:
- Modelos de pesos abertos dão mais controle ao usuário sobre onde e como o sistema é executado.
- Modelos acessados por API fechada mantêm a implantação e grande parte da infraestrutura de segurança sob controle do provedor.
Isso cria uma escolha real para políticas públicas. Regras centradas em monitoramento centralizado, testes, licenciamento ou prestação de contas podem ser mais fáceis de administrar para grandes provedores de API, favorecendo potencialmente esse modelo de operação. Trata-se de uma inferência sobre incentivos regulatórios, não de um resultado comprovado. As regras também podem se concentrar em implantações de alto risco e nas organizações que operam os sistemas, em vez de proibir a distribuição dos pesos. Pesquisadores de Stanford alertam que a adoção global de modelos chineses de pesos abertos pode afetar o acesso à tecnologia, a concorrência, a segurança e a governança de IA.18
Em resumo
O QVQ-72B-Preview foi um experimento marcante de dezembro de 2024 em raciocínio visual com pesos abertos. Ele apresentou ganhos reportados pela Qwen no MMMU, MathVision e OlympiadBench, mas documentou de forma explícita limitações importantes de confiabilidade e uso. A lição não foi que o raciocínio em cadeia resolveu a IA multimodal. Foi que capacidades melhores de análise de imagens podiam ser lançadas em um formato que desenvolvedores podem inspecionar e implantar — e que essa abertura torna avaliação rigorosa e operação responsável ainda mais necessárias.38
39
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "QVQ-72B-Preview: como funcionava o modelo de raciocínio visual da Alibaba"?
O QVQ 72B Preview foi um modelo experimental de raciocínio visual da equipe Qwen, da Alibaba, apresentado em dezembro de 2024.
Quais são os pontos-chave para validar primeiro?
O QVQ 72B Preview foi um modelo experimental de raciocínio visual da equipe Qwen, da Alibaba, apresentado em dezembro de 2024. A proposta era analisar imagens, gráficos, diagramas e problemas matemáticos em várias etapas; porém, explicações longas não garantiam que a resposta continuasse ancorada na imagem.
O que devo fazer a seguir na prática?
O lançamento ilustrou a vantagem dos modelos de pesos abertos: eles podem ser baixados, adaptados e executados fora da API do fornecedor, mas transferem mais responsabilidades de segurança e operação para quem os usa....
Fontes
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