QVQ-Max 是 Qwen 团队推出的视觉推理模型，能够理解和分析图像及视频内容，提供解决方案。

Aya Vision 32B 是由 Cohere For AI 开发的先进视觉语言模型，拥有 320 亿参数，支持 23 种语言，包括英语、中文、阿拉伯语等。

AlphaMaze 是一个专注于提升大型语言模型（LLM）视觉推理能力的项目。

AlphaMaze 是一款专为解决视觉推理任务而设计的解码器语言模型。

QVQ-72B-Preview是由Qwen团队开发的实验性研究模型，专注于增强视觉推理能力。

OpenAI o1 是一个高性能的AI模型，旨在处理复杂的多步骤任务，并提供先进的准确性。

Claude 3.5 Sonnet是Anthropic公司推出的一款AI模型，它在智能、速度和成本之间取得了显著的平衡。

Visual Sketchpad 是一种为多模态大型语言模型（LLMs）提供视觉草图板和绘图工具的框架。

Cantor是一个多模态链式思维(CoT)框架，它通过感知决策架构，将视觉上下文获取与逻辑推理相结合，解决复杂的视觉推理任务。

Cola是一种使用语言模型（LM）来聚合2个或更多视觉-语言模型（VLM）输出的方法。