日前推出加強邏輯推理的人工智慧 模型「QwQ-32B-Preview」，阿里巴巴 稍早宣布推出加入視覺推論能力的人工智慧模型「QVQ-72B-Preview」，並且強調在語言理解與視覺推論有大幅進展，標榜能解決複雜問題。

「QVQ-72B-Preview」除了在參數數量規模增加至720億組，更加入影像識別能力，配合大型自然語言模型的理解分析能力，透過前後文理解推論與視覺分析，進而推理解決複雜問題的方法。

阿里巴巴表示，「QVQ-72B-Preview」將可用於大型家具於空間模擬放置，或是用於醫療影像分析診斷。同時，「QVQ-72B-Preview」在MathVista、MathVision、OlympiadBench的數學即可學基準測試取得優異表現，更在MathVision效能表現貼近OpenAI推出的o1人工智慧模型。

不過，由於目前仍處於預覽階段，因此「QVQ-72B-Preview」在執行運作時可能會出現遞歸推理循環情況，同時在混用不同語言情況下也會增加其執行反應時間。

目前「QVQ-72B-Preview」已經透過Hugging Face平台託管，以開源形式提供所有人取用。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》