AlphaMaze ist ein Decoder-Sprachmodell, das speziell für die Lösung von visuellen Inferenzaufgaben entwickelt wurde. Durch das Training an Labyrinth-Lösungsproblemen demonstriert es das Potenzial von Sprachmodellen im Bereich der visuellen Inferenz. Das Modell basiert auf dem 1,5 Milliarden Parameter umfassenden Qwen-Modell und wird mittels Supervised Fine-Tuning (SFT) und Reinforcement Learning (RL) trainiert. Sein Hauptvorteil liegt in der Fähigkeit, visuelle Aufgaben in ein textbasiertes Format zu übersetzen, um so die Schwächen traditioneller Sprachmodelle im räumlichen Verständnis zu kompensieren. Die Entwicklung des Modells zielt darauf ab, die Leistung von KI bei visuellen Aufgaben zu verbessern, insbesondere in Szenarien, die schrittweises Denken erfordern. Derzeit befindet sich AlphaMaze als Forschungsprojekt in der Entwicklung. Kommerzielle Preise und Marktpositionierung sind noch nicht definiert.