AI大模型看手相！图片视频加持深度思考，阿里QVQ-Max“神了神了”

金磊 | 发自 凹非寺
量子位 | 公众号 QbitAI

阿里推出一款有趣的大模型——QVQ-Max，首款视觉推理模型，可对任意图像或视频进行深度思考。

趣味手相分析
上传手掌图片并点击“Thinking”，QVQ-Max能解读心线、头线、生命线及戒指象征意义，展现其娱乐性。

多图推理
提供多张图片，QVQ-Max能分析风景关联，如识别两张西湖图片分别对应春夏与冬景。

数学推理
仅需上传图片，QVQ-Max即可破解数字规律，得出正确答案，例如10或2。

视频字幕生成
手绘视频配字幕任务同样完成，显示其在视觉与文字结合上的能力。

网友试用时，虽偶有失误（如乔巴辨认不准），但仍热情高涨。同时，对吉卜力风格的兴趣也被激发。

实测体验
测试显示，QVQ-Max擅长解析复杂图表、日常照片，甚至几何题图形，还可推测视频情节发展。此外，它能设计插画、生成短视频脚本，甚至创作角色扮演内容。

技术亮点
尽管未公布论文，团队称其在MathVision基准测试中表现优异，通过调整思考长度提升准确率。QVQ-Max具备强解析、分析与推理能力，且支持免费体验。

体验地址：https://chat.qwen.ai
参考链接：
[1] https://qwenlm.github.io/zh/blog/qvq-max-preview/
[2] https://x.com/Alibaba_Qwen/status/1905342260100956210