A Alibaba, por meio de sua equipe Qwen, acaba de revelar o QVQ-Max, um modelo de inteligência artificial para raciocínio visual que representa um novo salto na interpretação de informações complexas baseadas em imagens e vídeos. O modelo é uma evolução do QVQ-72B-Preview, ampliando drasticamente suas capacidades para aplicações em resolução de problemas matemáticos, geração de código e tarefas criativas.
Diferente de modelos tradicionais que se limitam ao reconhecimento de padrões visuais, o QVQ-Max introduz um mecanismo de “pensamento escalável”, que pode ser ajustado em tempo de processamento para obter maior precisão conforme o tempo de raciocínio aumenta. Esse recurso torna o modelo particularmente eficaz em tarefas que exigem interpretação profunda, como resolução de problemas geométricos, análise de plantas arquitetônicas e avaliação de esboços feitos por usuários.
Além de reconhecer conteúdo visual, o QVQ-Max também é capaz de responder com explicações detalhadas, propor melhorias e interagir com entradas visuais de forma contextual. A equipe da Qwen revelou que os planos futuros envolvem a criação de um agente visual completo, capaz de operar dispositivos, jogar videogames e realizar ações físicas baseadas em observação visual.
Este é o terceiro modelo lançado pela Qwen apenas nesta semana, somando-se ao Qwen2.5-VL e ao Omni-7B, o que demonstra a velocidade e consistência com que a China está entregando sistemas avançados em múltiplas frentes da inteligência artificial.
Com o QVQ-Max, a Qwen se posiciona firmemente na vanguarda da IA multimodal com raciocínio visual, e o avanço reforça o cenário atual: a diferença entre os laboratórios de IA da China e dos EUA nunca foi tão estreita. A corrida global por agentes de IA realmente inteligentes está mais acirrada do que nunca.
