Qwen hat die erste Version von QVQ-Max offiziell veröffentlicht. In einem Blogbeitrag bezeichnet das Unternehmen das Modell als „Visual Reasoning Model“ – also als System für visuelles Schlussfolgern.
Hersteller nennt Bild- und Videoverständnis als Kernfunktion
Nach Darstellung von Qwen kann QVQ-Max Inhalte in Bildern und Videos verstehen, diese Informationen analysieren und damit Schlussfolgerungen für Lösungen bilden. Der Anbieter fasst die Fähigkeiten in drei Bereiche: detaillierte Beobachtung, tiefgehendes Schlussfolgern und flexible Anwendung.
Qwen führt als mögliche Einsatzfelder Mathematikaufgaben, Alltagsfragen, Programmcode und künstlerische Erstellung an. Diese Angaben sind Herstellerbehauptungen; im Dossier finden sich keine unabhängigen Evaluierungen dieser Fähigkeiten.
MathVision-Ergebnis hängt laut Qwen mit längerer Denkgrenze zusammen
Der Blogbeitrag berichtet zudem von einer kontinuierlich steigenden Genauigkeit auf MathVision, wenn die maximale Länge des modellinternen Denkprozesses erhöht werde. Das ist ein benchmarkbezogener Befund des Herstellers.
Aus den vorliegenden Informationen geht jedoch weder hervor, welche konkreten Genauigkeitswerte erreicht wurden, welche Einstellungen verglichen wurden noch ob die Ergebnisse extern reproduziert oder überprüft wurden. Daher lässt sich die praktische Bedeutung des behaupteten Anstiegs nicht unabhängig bewerten.
Nachfolger eines experimentellen Vorläufers
Qwen ordnet QVQ-Max als Weiterentwicklung von QVQ-72B-Preview ein, das nach eigenen Angaben im vorangegangenen Dezember als exploratives Modell veröffentlicht worden war. Der Anbieter sagt selbst, dieser Vorläufer habe „viele Probleme“ gehabt.
Auch QVQ-Max sei erst in seiner ersten Iteration und biete noch erheblichen Raum für Verbesserungen, schreibt Qwen. Das ist ein wichtiger Vorbehalt gegenüber den im Beitrag präsentierten Leistungsversprechen.
Einordnung
Die Veröffentlichung erweitert Qwens Angebot um ein Modell, dessen Anspruch nicht nur das Erkennen visueller Inhalte, sondern deren Nutzung für mehrstufiges Schlussfolgern ist. Ob QVQ-Max diesen Anspruch zuverlässig in unterschiedlichen Anwendungen erfüllt, bleibt auf Basis der einzigen verfügbaren Primärquelle offen.
Die im Material enthaltenen Angaben stammen ausschließlich von Qwen. Unabhängige Vergleichstests, Informationen zur Verfügbarkeit, zu technischen Spezifikationen oder zu Nutzungskonditionen werden darin nicht dokumentiert.
Wie es weitergeht
Entscheidend werden unabhängige Tests sein: Sie müssten die behaupteten Fortschritte bei visuellem Schlussfolgern und auf MathVision unter nachvollziehbaren Bedingungen prüfen sowie Grenzen des Modells dokumentieren.
Änderungsvermerk: Erstfassung auf Grundlage eines Qwen-Blogbeitrags vom 27. März 2025.