Qwen-VL-MAX 简介

Qwen-VL-Max是阿里巴巴发布的一个多模态大模型，可以完成图片理解相关的任务，是Qwen-VL多模态大的模型系列最强的模型。但是，它没有公开任何模型相关信息。

Qwen-VL系列是阿里巴巴发布的多模态大模型系列，最早在2023年9月份发布，早期开源的版本是基于70亿参数的Qwen-7B语言模型基础上进行多模态数据训练得到。而后来又做了2个版本的增强，一个是Qwen-VL-Plus，另一个就是本次发布的Qwen-VL-Max。这两个模型相比较基础版本的模型都有了巨大的提升，但是并没有开源。具体来说，提升如下：

• 显著提高图像相关推理能力。
• 在识别、提取和分析图像及其中的文本方面有显著提升。
• 支持超过百万像素的高清图像和各种纵横比的图像。

其中Qwen-VL-Max是Qwen-VL系列中最强大的模型，进一步提高视觉推理和指令遵循能力，提供更高级别的视觉感知和认知理解。官方宣称Qwen-VL-Plus和Qwen-VL-Max在多个文本-图像多模态任务中与Gemini Ultra和GPT-4V相媲美，显著超越其他开源模型。Qwen-VL-Max在中文问答和中文文本理解任务中表现优于OpenAI的GPT-4V和Google的Gemini。

虽然官方没有开源模型，但是提供了免费使用的方式：

• Qwen-VL-Max在HuggingFace上的Demo地址： https://huggingface.co/spaces/Qwen/Qwen-VL-Max 
• 目前官方也提供了免费的API接口： https://help.aliyun.com/zh/dashscope/developer-reference/tongyi-qianwen-vl-plus-api