QVQ-Max: 근거를 바탕으로 사고하기

지난 12월 공개된 QVQ-72B-Preview의 한계를 넘어, 시각적 정보를 이해하고 분석하여 해결책을 제시하는 첫 번째 버전의 시각적 추론 모델 QVQ-Max가 공식 출시되었다. 이 모델은 이미지와 비디오의 내용을 단순히 파악하는 수준을 넘어, 수학 문제부터 프로그래밍, 예술적 창작까지 다양한 영역에서 추론 능력을 발휘한다.

MathVision 벤치마크 결과에 따르면, 모델의 사고 과정(thinking process) 길이를 조절함에 따라 정확도가 지속적으로 향상되는 모습을 보이며 강력한 잠재력을 입증했다.

QVQ-Max의 핵심 역량은 세 가지 영역으로 요약된다:

• 상세 관찰(Detailed Observation): 복잡한 차트나 일상 사진에서 핵심 요소와 미세한 디테일을 빠르게 식별한다.
• 심층 추론(Deep Reasoning): 시각 정보와 배경 지식을 결합하여 기하학 문제를 풀거나 비디오의 다음 장면을 예측한다.
• 유연한 응용(Flexible Application): 일러스트 디자인 보조, 영상 스크립트 생성, 역할극 콘텐츠 제작 등 창의적인 작업이 가능하다.

활용 분야 또한 광범위하다. 직장에서는 데이터 분석과 코드 작성을 돕고, 학생들에게는 수학 및 물리 문제 풀이와 개념 설명을 제공한다. 일상에서는 옷차림 추천이나 레시피 가이드와 같은 실용적인 도움을 줄 수 있다.

향후 개발 단계에서는 grounding 기술을 통한 관찰 정확도 향상, 스마트폰이나 컴퓨터를 조작하는 Visual Agent 기능 구현, 그리고 더욱 발전된 상호작용 방식에 집중할 계획이다.