我要投稿
微信搜一搜，关注“AI智见录”
阿里千问最新AI技术突破，带你领略视觉推理的新境界。 核心内容： 1. QVQ-Max模型的超强观察力和深度分析能力 2. 创意无限的应用场景：视频旁白、图片解读、手相面相 3. 实际体验：惊艳的表现和便捷的使用方式
千问太高产了，今天3月 28 日，阿里千问在官方 X 账户上宣布其推出了视觉推理模型 “`QVQ-Max`”[1]，这个模型不仅能看懂图片和视频，还能进行深度分析和推理（还能看首相~）。
QVQ-Max 能快速识别图片中的各种细节：
比普通的图像识别更厉害的是，它能把这些信息串联起来，理解图片想表达的含义。
上传一张图片，QVQ-Max 能给你：
除了看图分析，QVQ-Max 还能：
实测了两个有趣的场景：
上传了一段篝火旁的视频，QVQ-Max 立即写出了富有诗意的旁白：
暮色渐浓，篝火跃动的光斑在湖面上摇曳成星河。两人围坐于松针铺就的营地，剪影被暖橘色的火光勾勒出温柔轮廓。左侧的人缓缓倾斜银色保温壶，清亮的水流如月光倾泻，在深褐色杯盏中泛起涟漪；右侧的手稳稳托住杯底，指尖相触的瞬间，仿佛传递着无声的默契。远处森林静默如画，近处火星噼啪轻响，蒸腾的热气模糊了彼此眼眸。这一刻，天地间只剩跳动的火苗与流动的温度，将孤独融化成共享的暖意。
文字优美，意境深远，完美捕捉了视频的氛围。
当我们上传一张普通照片时，QVQ-Max 不仅能准确描述画面内容，还能理解场景背后的故事和情感。
算首相这个事可不是我说的哈，是千问自己提供的演示，看以下示例：
https://x.com/i/status/1905342270704156996[2]
想试试这个超强的视觉 AI 吗？现在就可以在 Qwen Chat（chat.qwen.ai[3]）上体验。只需：
QVQ-Max 的发布，让我们看到了 AI 视觉能力的新高度。它不仅能看，还能想，更能创造。这或许预示着，AI 助手离我们的日常生活又近了一步。
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-06-11
AI提效99.5%！英国政府联手 Gemini，破解城市规划审批困局
2025-06-10
多模态 RAG VS 传统文本 RAG ，到底效果如何，从应用视角来测试下
2025-06-10
实战复盘 | 基于视觉模型的多模态 RAG 系统，我们踩过的坑与收获 (项目已开源)
2025-06-05
多模态模型在RagFlow中的应用
2025-06-04
清华首创多模态+知识图谱+RAG，问答精准度超 94%
2025-05-30
Deepseek 多模态来解析图片，结合上下文分析pdf文档
2025-05-28
Lovart再次证明：AI不是卖工具而是卖成果
2025-05-27
Dolphin-API：字节Dolphin多模态文档解析模型API化全攻略
2025-05-14
2025-03-26
2025-03-21
2025-04-27
2025-05-16
2025-05-08
2025-04-28
2025-04-05
2025-05-13
2025-05-15
回到顶部
粤ICP备17114055号