今日凌晨，阿里旗下的通義千問推出了一款視覺推理模型——QVQ-Max，Qwen團隊稱該模型具備理解圖片與影片內容的能力，並且還能根據所提供的資訊展開分析推理。
我們目前所用到的常見大模型雖然也能上傳圖片，但是只能識別圖片裡的文字，對畫面圖形則缺少概念，因此不能算作視覺推理模型，QVQ-Max則著重提升了這一點。
「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；在一段影片裡，它能根據畫面內容推測出接下來可能發生的情節。」
不過光看千問團隊的宣傳好像也感覺不出來到底有多厲害，不如我們直接來給它上上強度。
熱點科技這裡準備了幾道公務員行測的圖形推理模擬題，來看看QVQ-Max到底能不能給出正確答案。
首先我們在QWEN CHAT平台選擇這一模型，將從網上收集到的題目圖片上傳，直接詢問答案。不過需要注意的是，或許是由於該模型今天才上線，在上傳題目圖片時總是提示網路錯誤，稍後再試。大家可能需要耐心點多試幾次。
第一題如圖，QVQ-Max響應很快，但是想的好像有點多，思考了足足3500個漢字才給出答案D選項，但是回答錯誤，正確答案是B。
一題好像並不能證明實力，我們又上傳了新的一題，看看QVQ-Max能不能一雪前恥。不過這一題對於QVQ-Max來說好像有點困難，竟然思考了多達6000個漢字才給出答案，仍然是D選項，仍然是錯誤的，正確答案是B。
最後一次，再來一題。好在這次結果還算好，QVQ-Max給出了正確的答案B選項，但是思考時間實在太長，依然足足有6000個漢字，等待時間接近十分鐘，如果QVQ-Max去考試，恐怕沒做完題目就要收卷了。
看起來行測的圖形推理題目對於QVQ-Max來說有點超綱，本想試著上傳一段影片，測測QVQ-Max的影片能力，但是顯示一直上傳失敗，只得作罷。有興趣的朋友可以自行去測試一下QVQ-Max的其他能力噢。
根據Qwen團隊的解釋，QVQ-Max目前只是第一版，還有很多提升空間。希望Qwen團隊加把勁，讓QVQ-Max早日拿捏行測圖形推理。
