2025年3月28日凌晨，阿里巴巴通义千问团队悄然上线新一代视觉推理模型QVQ-Max。这款模型聚焦于解决传统AI“看得见但想不通”的痛点，通过深度融合视觉理解与逻辑推理能力，为多模态任务处理提供了新思路。
QVQ-Max的核心能力体现在三个方面：细致观察、深入推理和灵活应用。它能精准识别图像中的细节元素，例如从一张随手拍摄的衣柜照片中提取衣物款式、颜色，甚至标签上的文字信息；在解析一道几何题时，不仅能标注图形中的隐藏辅助线，还能生成多种解题路径。更值得注意的是，模型可将手绘流程图转化为可调试的代码框架，或将设计草图完善为3D模型文件，并附带材料成本估算表。
目前，用户可通过Qwen Chat平台体验该功能。上传图片或视频后点击“Thinking”按钮，QVQ-Max即可结合场景背景进行推理，例如根据火灾现场照片推断火势蔓延方向，或基于食谱图片指导烹饪步骤。阿里巴巴表示，该模型已在淘宝商品质检系统中应用，检测效率提升40%，未来还将持续优化功能边界。
对于开发者，QVQ-Max开放API密钥申请，教育及科研机构可享每月50万token免费额度。这场深夜发布的“技术突袭”，正悄然重构人机协作的认知维度。
点击扫码分享至微信
