今天小編分享的科學經驗：AI大模型看手相！圖片視頻加持深度思考，阿裡QVQ-Max“神了神了”，歡迎閱讀。
阿裡又發了個有意思的大模型——
QVQ-Max，第一版視覺推理模型，對任意影像或視頻都可以進行深度思考。
舉個有趣的例子，上傳一張你的手掌，再點擊Thinking，QVQ-Max 就可以給你看手相：
可以看到，在深度思考過後，QVQ-Max 就開始逐步分析手掌上的線條和其他特征。
包括心線、頭線、生命線等主要線條的分析，以及戒指手指上的金戒指的象征意義。
這還只是一個比較有娛樂性的例子。
如果你一口氣給 QVQ-Max" 喂 "多張圖片，它也可以進行深度思考：
這兩張圖片描繪了哪些風景？它們之間的關系是什麼？
在一頓思考過後，QVQ-Max 準确地識别出兩張圖聯系——都是西湖的風景，但一張是春夏時節，另一張是冬季。
再如數學推理，同樣是給它 " 喂 " 一張圖即可，連提問都省了：
在思考之後，QVQ-Max 是找到了數字們之間的規律，并最終給出了正确答案：10。
以及直接上傳一個手繪簡筆畫視頻，并附上一句：
分析視頻，将視覺内容與文字結合，并為視頻中的鏡頭創建生動有趣的字幕。
最終，QVQ-Max 依舊是穩穩地完成了任務。
網友們看罷，也是麻溜地去試了試。
不過這一次，QVQ-Max 有點小翻車——路飛是認對了，但這個喬巴……
以及啊，這兩天被 OpenAI GPT-4o 影像生成帶火的吉卜力，網友們也是跟上了：
那麼 QVQ-Max 的影像視頻深度思考實力到底如何，我們這就親手嘗試一番。
實測 QVQ-Max
首先，我們還是來測試一下 QVQ-Max 看圖解數學題的能力。
題目是這樣的：
然後我們提問：
這道題的答案是多少？
在深度思考過後，QVQ-Max 不僅精準識别出了手寫的題目，而且給出了正确答案：2。
剛才 Qwen 官方給出了看手相的例子，這次我們再來 " 喂 " 下這張圖：
問題是這樣的：
這是什麼？
嗯，是比較全面地介紹了星盤。
接下來，我們再來測試一下視頻推理，例子就用 Anthropic 最新發布的一個：
若是刨去視頻裡的背景音，單是看内容，還是比較抽象的。
對此，QVQ-Max 給出的理解是：
從觀察到推理
除了效果之外，雖然 Qwen 團隊沒有公布相關論文，但對于背後的技術亮點，團隊還是簡單的介紹了一番。
首先，團隊在 MathVision 這個 benchmark（匯集各類困難多模态數學）上進行了一番測試：
結果表明，通過調整模型 thinking 的最大長度，模型在 MathVision 上的準确率也會持續提升。
除此之外，團隊還總結了 QVQ-Max 的三大能力特點。
包括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随手拍的照片，它都能快速識别出關鍵元素。比如，它可以告訴你一張照片裡有哪些物品、有什麼文字标識，甚至還能指出一些你可能忽略的小細節。
僅僅識别出圖片裡的内容還不夠，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；在一段視頻裡，它能根據畫面内容推測出接下來可能發生的情節。
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内容。
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。
值得注意的是，QVQ-Max 是免費可用的哦，感興趣的朋友快去試試吧 ~
體驗地址：
https://chat.qwen.ai
參考鏈接：
[ 1 ] https://qwenlm.github.io/zh/blog/qvq-max-preview/
[ 2 ] https://x.com/Alibaba_Qwen/status/1905342260100956210
一鍵三連「點贊」「轉發」「小心心」
歡迎在評論區留下你的想法！
— 完 —
速搶席位！中國 AIGC 產業峰會觀眾報名通道已開啟 ♀️
首批嘉賓曝光啦 百度、無問芯穹、數勢科技、生數科技、像素綻放等十數位 AI 領網域創變者将齊聚峰會，讓更多人用上 AI、用好 AI，與 AI 一同加速成長～
4 月 16 日，就在北京，一起來深度求索 AI 怎麼用
一鍵星标
科技前沿進展每日見
