就在华尔街周一紧张评估“DeepSeek风暴”之际，这家中国公司再度甩出新品：在图像生成基准测试中超越OpenAI“文生图”模型DALL-E 3的多模态大模型Janus-Pro，同样也是开源的。

　　除夕凌晨钟声敲响前不久，DeepSeek工程师们在“抱抱脸”平台上传了Janus Pro 7B和1.5B模型。这俩模型是对去年10月发布的Janus模型的升级我国木材资源现状。

　　15亿和70亿的参数量，意味着这两个模型具备在消费级电脑上本地运行的潜力。与R1一样，Janus Pro采用MIT许可证，在商用方面㊣没有限制。

　　据DeepSeek介绍，Janus-Pro是一个新颖的自回归框架，统一了多模态理解和生成。通过将视觉编码分离为“理解”和“生成”两条路径，同时仍采用单一的Transformer㊣架构进行处理中密度纤维板图片，解决了以往方法的局限性。这种分离不仅缓解了视觉编码器在理解和生成中的角色冲突，还提升了框架的灵活性。

　　虽然DALL-E 3是OpenAI在2023年发布的一款“老模型”，同时Jan㊣us Pro✅目前只能分析和生成规格较小的图像（384 x 384）。DeepSeek在如此紧凑的㊣模型尺寸中依然展现了令人印象深刻的性能。

　　技术报告显示，在视觉生成方㊣面，Janus-Pro通过添加7200万张高质量合成图像，使得在统一预训练阶段真实数据与合成数据的比例达到1：1，实现“更具视觉吸引力和稳定性的图像输出”。在多模态理解✅的训练数据方面，新模型参考了DeepSeek VL2并增加了大约9000万个样本。

　　作为一个多模态模型，Janus-P㊣ro不仅可以“文生图”，同样也能对图片进✅行描述，识别地标景点（例如杭州㊣的西湖），识别图像中的文字，并能对图片中的知识（例如下图中的“猫和老鼠”蛋糕）进行介绍。