DeepSeek 與 Janus-Pro 的推出引起轟動，這是一個革命性的生成式 AI 模型。直接針對像 DALL-E 3 這樣的巨頭，這項創新被認為是在 多模態生成 領域中的一個重要進展。其優化的方式和先進的架構承諾重新定義從文本中理解圖像的標準。Janus-Pro 超越了競爭對手模型的以往表現。 得益於其擴展的參數網絡，這個模型展現了前所未有的解釋複雜指令的能力。這項技術的生態挑戰不容忽視。 這位挑戰者的出現標誌著 AI 生態系統的關鍵轉折點，創新必須與可達性和強大能力相符。企業現在必須準備好在這個競爭加劇的環境中航行。
DeepSeek 揭示 Janus-Pro
初創公司 DeepSeek 最近推出了其新 AI 模型 Janus-Pro，專注於圖像生成。這款模型繼承了 DeepSeek-R1，旨在與市場上最佳解決方案，如 OpenAI 的 DALL-E 3，平起平坐。在生成式 AI 生態系統中，Janus-Pro 被定位為這些巨頭的直接競爭者。
Janus-Pro 的基礎技術
Janus-Pro 模型是多模態 AI 領域的一個顯著進展。到 2024 年底，DeepSeek 已經展示了 JanusFlow，一個將自回歸語言模型整合到一種名為 rectified flow 的創新生成建模技術中的框架。這個新模型將能夠通過解釋文本指令來生成圖像。
性能和評估
DeepSeek 的研究人員對 Janus-Pro 進行了多項基準測試。結果表現出色。該模型，特別是擁有 70 億參數的版本，在多模態理解基準 MMBench 上取得了 79.2 的分數，超越了如 Janus 和 TokenFlow 等競爭對手。
與 DALL-E 3 的比較能力
在指令跟踪方面，Janus-Pro 的性能同樣是一個主要優勢。例如，Janus-Pro-7B 模型在 GenEval 基準測試中獲得了 0.80 的分數，超越了 DALL-E 3 (0.67)。這展示了一個顯著的進步，加強了 DeepSeek 在生成式 AI 市場的地位。
模型範圍的擴大
Janus-Pro 提供兩種模型尺寸，分別為 10 億和 70 億參數。這種靈活性體現了 DeepSeek 採用的視覺編碼和解碼方法的可擴展性。該公司決定將其代碼和模型以開源形式提供，從而促進社區的採用和貢獻。
限制和未來發展前景
儘管 Janus-Pro 取得了令人矚目的成果，但仍然存在一些限制。輸入分辨率限制為 384 x 384 像素，可能會影響生成圖像的質量。根據視覺分詞器的影響，重建損失被識別，導致生成的圖像內容語義豐富，但缺乏細節。
研究人員認為，提高圖像的分辨率可能會在 Janus-Pro 的性能上帶來顯著改進。通過識別這些限制，DeepSeek 承諾不斷改進其模型，以確保競爭力的提供。
有關 DeepSeek 的 Janus-Pro 的常見問題
Janus-Pro 的主要特徵是什麼？
Janus-Pro 以其整合了優化訓練策略、擴展訓練數據以及能夠根據文本指令解釋和生成圖像的能力而脫穎而出，這得益於先進的多模態建模。
Janus-Pro 與 DALL-E 3 有何比較？
擁有 10 億和 70 億參數的 Janus-Pro 在多模態理解基準測試中表現出色，在多項指令跟蹤測試中超越 DALL-E 3。
Janus-Pro 是開源模型嗎？
是的，DeepSeek 將 Janus-Pro 作為開源模型提供，讓社區可以訪問代碼和模型以便持續使用和改進。
Janus-Pro 的限制是什麼？
Janus-Pro 的主要限制之一是輸入分辨率限制為 384×384 像素，這可能影響其在需要高精度的任務中的表現，例如光學字符識別。
我如何訪問 Janus-Pro？
Janus-Pro 可以在專門分享人工智能模型的平台上公開獲取，用戶可以下載並探索該模型。
Janus-Pro 相比於 Janus 有何改進？
Janus-Pro 透過更好的解釋文本指令，通過一種先進的模型架構改善了多模態理解和視覺生成。
Janus-Pro 是針對專業用戶還是大眾用戶？
Janus-Pro 設計為可供多種用戶使用，從研究人員和開發人員到藝術家和設計師，得益於其開源方法和高效的圖像生成性能。
使用像 Janus-Pro 這樣的多模態模型的好處是什麼？
多模態模型，如 Janus-Pro，提供了更好的理解文本和圖像之間關係的能力，從而能夠生成更精確和適當上下文的圖像。
