QVQ-72B-Preview ist ein experimentelles Forschungsmodell des Qwen-Teams, das sich auf die Verbesserung der visuellen Inferenzfähigkeit konzentriert. Das Modell zeigt starke Fähigkeiten im interdisziplinären Verständnis und der Inferenz, insbesondere im Bereich der mathematischen Inferenzaufgaben, wo es signifikante Fortschritte erzielt hat. Trotz der Fortschritte in der visuellen Inferenz ersetzt QVQ die Fähigkeiten von Qwen2-VL-72B nicht vollständig; bei mehrstufiger visueller Inferenz kann es allmählich den Fokus auf den Bildinhalt verlieren und zu Halluzinationen führen. Darüber hinaus zeigt QVQ bei grundlegenden Erkennungsaufgaben keine signifikanten Verbesserungen gegenüber Qwen2-VL-72B.