阿里通義千問團隊于12月25日宣布推出開源視覺推理模型QVQ-72B-Preview，該模型基于Qwen2-VL-72B構(gòu)建，旨在增強視覺推理能力。QVQ-72B-Preview在多個數(shù)據(jù)集上進行了評估，包括MMMU、MathVista、MathVision和OlympiadBench。

在MMMU基準測試中，QVQ-72B-Preview取得了70.3的分數(shù)，顯著超越了Qwen2-VL-72B-Instruct。此外，在MathVista、MathVision和OlympiadBench等專注于數(shù)學和科學問題的基準測試中，該模型也表現(xiàn)出色，有效縮小了與領(lǐng)先的最先進的o1模型之間的差距。

盡管QVQ-72B-Preview在視覺推理方面表現(xiàn)優(yōu)異，但團隊也指出了該模型的一些限制，包括語言混合與切換、遞歸推理、安全和倫理考慮以及性能和基準限制。用戶在部署時應保持謹慎，并注意這些潛在問題。

阿里通義千問團隊表示，QVQ-72B-Preview是一個實驗性研究模型，專注于增強視覺推理能力，未來將繼續(xù)優(yōu)化和改進該模型，以提升其在復雜問題上的表現(xiàn)。