- Janus Pro 是一個雙向多模態模型（1.000–7.000M 個參數），它將視覺生成和分析與單獨的編碼相結合。
- 它採用 384x384 像素的 SigLIP-L 編碼器，優先考慮速度和效率，但解析度比 1024x1024 型號低。
- 程式碼採用 MIT 許可證，模型由 DeepSeek 授權，並受道德限制；在基準測試中，Janus Pro 在準確性和細節方面優於 DALL-E 3 和 Stable Diffusion。
中國創新人工智慧實驗室DeepSeek正式發布了Janus Pro，這是一款有望革新圖像生成與理解以及視聽創作的人工智慧模型。憑藉其多模態架構和獨特的「雙向」方法等特性，該模型旨在克服當前視覺人工智慧技術的局限性。
該模型提供 1.000 億至 7.000 億參數的版本，它透過將影像生成和分析整合於單一系統中，引入了一種革命性的策略。 Janus Pro 採用分離編碼任務的設計，使得影像理解並創造能夠在統一的 Transformer 架構下獨立處理。
Janus Pro 的功能與成果
Janus Pro 的優點在於其靈活性和高效性。其係統在品質和速度方面均能優化模型性能，並在 GenEval 和 DPG-Bench 等多個基準測試中取得了優異成績。據 DeepSeek 稱，這些測試表明，Janus Pro 在準確性和細節方面均優於 OpenAI 的 DALL-E 3 和 Stability AI 的 Stable Diffusion 等知名模型。
Janus Pro的卓越性能不僅得益於其創新的架構，還得益於其整合的名為SigLIP-L的視覺編碼器，該編碼器能夠處理384×384像素解析度的影像。雖然這種解析度低於Midjourney或Freepik等其他型號（後者支援1024×1024像素），但Janus Pro的設計方案實現了快速處理和可接受的視覺品質之間的最佳平衡。
可訪問且符合道德的模型
Janus Pro 採用雙重授權：程式碼以寬鬆的MIT 授權發布，允許使用、修改和分發，甚至用於商業用途；而模型則要求接受 DeepSeek 授權條款。後者包含一些道德限制，例如禁止將其用於軍事目的或製造虛假資訊。
DeepSeek 的道德做法不僅是其競爭優勢，也強化了公司積極影響人工智慧發展的目標。
當前的挑戰和限制
儘管 Janus Pro 取得了一些成就，但它並非完美無缺。其有限的影像解析度（384x384 像素）在與更先進的型號競爭時，尤其是在需要更高解析度的應用場景中，構成了一項重大挑戰。然而，DeepSeek 將這款型號定位為多功能工具，適用於那些優先考慮速度和效率而非解析度的實驗性用途和實際應用。
此外，專家指出，該模型仍處於具有巨大進化潛力的階段。隨著未來的更新，Janus Pro 有望達到與業界領導企業類似的競爭標準。
對技術市場的影響
DeepSeek 與 Janus Pro 的出現並沒有引起人們的注意。它的出現引發了OpenAI、Stability AI等大型科技公司的緊張局勢。另一方面，股市也出現了意想不到的波動，如NVIDIA股價下跌17%，反映DeepSeek對全球科技產業的影響。
此次發布繼承了 DeepSeek 先前在語言模型方面的成功，目前已位居美國 App Store 下載次數最多的應用程式榜首，進一步鞏固了其在 AI 市場的地位。
憑藉其創新方法以及對可近性和倫理的明確承諾，Janus Pro 代表著人工智慧走向更包容和高效的未來的重要一步。未來幾個月，該模式及其競爭對手將如何發展還有待觀察，但有一點可以肯定：這場技術競賽才剛開始。
