DeepSeek 再爆大招，Janus-Pro 炸裂出场！

没想到，DeepSeek 连续放出重磅消息，速度如此之快。

转眼间，DeepSeek 便推出了全新的多模态模型，统一多模态理解与生成。

Janus-Pro 多模态大模型震撼登场，采用 Transformer 架构，并未沿袭 Diffusion 方法，又一次颠覆了行业的认知，紧追 OpenAI 的脚步。

拥有高性能电脑的同学们可以开始尝试了，7B 版本已经能够超越 Stable Diffusion 和 DALL-E 3，强大到让人难以置信！

这个春节，真是激动人心。

见证国产 AI 的辉煌时刻。

Janus-Pro 多模态框架革新 AI 体验

DeepSeek团队再出新作，发布了创新性的多模态框架 Janus-Pro，这是一款能够同时处理多模态理解与生成任务的集成模型。该模型基于 DeepSeek-LLM-1.5b-base 和 DeepSeek-LLM-7b-base 打造，支持高达 384 x 384 分辨率的图像输入，并采用独特的 tokenizer 来实现图像生成。其最大的创新在于将视觉编码划分为独立通道，同时维持了单一的 Transformer 架构来进行处理。

这种设计革新不仅解决了传统模型在视觉编码器功能上的冲突，还大大提升了系统的灵活性。在实际应用层面，Janus-Pro 的表现超越了以往的统一模型，甚至在某些任务上能够与专门的模型相媲美。在 GenEval 和 DPG-Bench 的基准测试中，它成功击败了 OpenAI 的 DALL-E 3 和 Stable Diffusion。

该项目已根据 MIT 许可证开源，开发者可通过 GitHub 获取全套代码。DeepSeek 团队指出，Janus-Pro 的简洁设计及其卓越性能，预示着它可能成为下一代统一多模态模型的重要选项。

GitHub 地址：https://github.com/deepseek-ai/Janus

Hugging Face 地址：https://huggingface.co/deepseek-ai/Janus-Pro-7B

论文地址：​​https://arxiv.org/pdf/2501.17811​​

本文转载自公众号玄姐聊AGI  作者：玄姐

原文链接：​​https://mp.weixin.qq.com/s/E_9Opfnu0gBAnTrE0bbUQg​​