3 月 28 日消息，今天凌晨，阿里通義千問團隊宣布推出新一代視覺推理模型 QVQ-Max。

據官方介紹，QVQ-Max 不僅能夠理解圖片和視頻內容，還能為上述信息提供分析并推理。不止分析和推理，QVQ-Max 還可以完成設計插圖、生成短視頻劇本等內容，甚至根據用戶的需求創建角色扮演內容。

核心能力：從觀察到推理

QVQ-Max 的能力可以總結為三個方面：細致觀察、深入推理和靈活應用。下面分別來說說它在這些方面的表現。

• 細致觀察：抓住每一個細節
  QVQ-Max 對圖片的解析能力非常強，無論是復雜的圖表還是日常生活中隨手拍的照片，它都能快速識別出關鍵元素。比如，它可以告訴你一張照片里有哪些物品、有什么文字標識，甚至還能指出一些你可能忽略的小細節。
• 深入推理：不只是“看到”，還要“想到”
  僅僅識別出圖片里的內容還不夠，QVQ-Max 還能進一步分析這些信息，并結合背景知識得出結論。例如，在一道幾何題中，它可以根據題目附帶的圖形推導出答案；在一段視頻里，它能根據畫面內容推測出接下來可能發生的情節。
• 靈活應用：從解答問題到創作
  除了分析和推理，QVQ-Max 還能做一些有趣的事情，比如幫你設計插畫、生成短視頻腳本，甚至根據你的需求創作角色扮演的內容。如果你上傳一幅草稿，它可能會幫你完善成一幅完整的作品；上傳一個日常照片，它可以化身犀利的評論家，占卜師。

QVQ-Max 的應用范圍很廣，無論是在學習、工作還是日常生活中都能派上用場。

• 職場工具：在工作中，QVQ-Max 可以協助完成數據分析、信息整理、編程寫代碼等任務。
• 學習助手：對于學生來說，QVQ-Max 可以幫助解答數學、物理等科目的難題，尤其是那些配有圖表的題目。它還能通過直觀的方式講解復雜概念，讓學習變得更輕松。
• 生活小幫手：在生活中，QVQ-Max 也能提供不少實用建議。比如，它可以根據你的衣柜照片推薦穿搭方案，或者根據食譜圖片指導你如何烹飪一道新菜。

IT之家注意到，目前該模型已上線 Qwen Chat，用戶只需上傳任意圖片或視頻，提出問題，并點擊“Thinking”按鈕，即可使用 QVQ-Max 的推理能力。

阿里巴巴表示，這只是該模型演化過程中的一個階段，未來還將持續優化其性能并擴展功能。