- Janus Pro 是一个双向多模态模型（1.000–7.000M 个参数），它将视觉生成和分析与单独的编码相结合。
- 它采用 384x384 像素的 SigLIP-L 编码器，优先考虑速度和效率，但分辨率比 1024x1024 型号低。
- 代码采用 MIT 许可证，模型由 DeepSeek 授权，并受道德限制；在基准测试中，Janus Pro 在准确性和细节方面优于 DALL-E 3 和 Stable Diffusion。
中国创新型人工智能实验室DeepSeek正式发布了Janus Pro，这是一款有望革新图像生成与理解以及视听创作的人工智能模型。凭借其多模态架构和独特的“双向”方法等特性，该模型旨在克服当前视觉人工智能技术的局限性。
该模型提供 1.000 亿至 7.000 亿参数版本，它通过将图像生成和分析集成于单一系统，引入了一种革命性的策略。Janus Pro 采用分离编码任务的设计，使得图像理解和创建能够在统一的 Transformer 架构下独立处理。
Janus Pro 的功能和成果
Janus Pro 的优势在于其灵活性和高效性。其系统在质量和速度方面均能优化模型性能，并在 GenEval 和 DPG-Bench 等多个基准测试中取得了优异成绩。据 DeepSeek 称，这些测试表明，Janus Pro 在准确性和细节方面均优于 OpenAI 的 DALL-E 3 和 Stability AI 的 Stable Diffusion 等知名模型。
Janus Pro的卓越性能不仅得益于其创新的架构，还得益于其集成的名为SigLIP-L的视觉编码器，该编码器能够处理384×384像素分辨率的图像。虽然这一分辨率低于Midjourney或Freepik等其他型号（后者支持1024×1024像素），但Janus Pro的设计方案实现了快速处理和可接受的视觉质量之间的最佳平衡。
可访问且符合道德的模型
Janus Pro 采用双重许可：代码以宽松的MIT 许可发布，允许使用、修改和分发，甚至用于商业用途；而模型则要求接受 DeepSeek 许可条款。后者包含一些道德限制，例如禁止将其用于军事目的或制造虚假信息。
DeepSeek 的道德做法不仅是其竞争优势，也强化了公司积极影响人工智能发展的目标。
当前的挑战和局限性
尽管 Janus Pro 取得了一些成就，但它并非完美无缺。其有限的图像分辨率（384x384 像素）在与更先进的型号竞争时，尤其是在需要更高分辨率的应用场景中，构成了一项重大挑战。然而，DeepSeek 将这款型号定位为一款多功能工具，适用于那些优先考虑速度和效率而非分辨率的实验性用途和实际应用。
此外，专家指出，该模型仍处于具有巨大进化潜力的阶段。随着未来的更新，Janus Pro 有望达到与行业领先企业类似的竞争标准。
对技术市场的影响
DeepSeek 与 Janus Pro 的出现并没有引起人们的注意。它的出现引发了OpenAI、Stability AI等大型科技公司的紧张局势。另一方面，股市也出现了意想不到的波动，如NVIDIA股价下跌17%，反映出DeepSeek对全球科技行业的影响。
此次发布继承了 DeepSeek 此前在语言模型方面取得的成功，目前已位居美国 App Store 下载次数最多的应用程序榜首，进一步巩固了其在 AI 市场的地位。
凭借其创新方法以及对可及性和伦理的明确承诺，Janus Pro 代表着人工智能走向更加包容和高效的未来的重要一步。未来几个月，该模式及其竞争对手将如何发展还有待观察，但有一点可以肯定：这场技术竞赛才刚刚开始。
