北京时间1月28日凌晨，农历新年前夕，中国人工智能初创公司DeepSeek在GitHub和Hugging Face上发布了多模态大模型Janus-Pro，进军文生图领域。该模型是2024年11月发布的JanusFlow大模型的升级版，分为70亿参数和15亿参数两个版本，并且均开源。
AI社区开发者的评论显示，Janus-Pro具备在消费级电脑终端上本地运行的潜力。这款模型在多模态理解和文本到图像的指令跟踪功能上实现了重大进步，其文本到图像生成的稳定性明显提升。根据DeepSeek发布的测试结果，Janus-Pro的70亿参数版模型在一些基准测试中击败了美国AI独角兽OpenAI的多模态大模型DALL-E3。
尽管Janus-Pro的模型尺寸有限，但从技术报告看，DeepSeek团队添加了7200万张高质量合成图像，模型在预训练阶段的真实数据与合成数据的比例达到了1：1，这使模型的图像视觉生成能力更稳定。此外，Janus-Pro通过将视觉编码分离为“理解”和“生成”两条路径，既缓解了视觉编码器在理解和生成中的角色冲突，还提升了模型框架的灵活性。该模型还在多模态理解的训练数据上增加了大约9000万个样本，使其在文生图的同时，也能识别图像及其中的文字、知识等。
就在北京时间1月27日，由DeepSeek开发的应用程序超越了OpenAI的ChatGPT，成为苹果应用商店下载量最大的免费应用程序。几乎在同一时间，包括英伟达、博通公司、超威半导体公司以及微软在内的美国科技公司股价大幅下跌，华尔街评估认为这是受中国企业DeepSeek的技术突破影响。
在DeepSeek发布文生图多模态大模型前一晚，达闼机器人创始人黄晓庆表示，其团队已基于DeepSeek的V3及R1大模型，将对话功能应用于旗下的机器人开发创新中，目前正在规划基于DeepSeek的多模态大模型进行二次训练。他认为，DeepSeek开源、开放的模式有利于第三方进行二次训练，加入多模态和机器人控制模型。DeepSeek的MoE专家模型的融合架构不仅适合模型应用下游厂商的分布式训练场景，对像达闼机器人这样的厂商来说，跨应用场景的各种形态的机器人开发也可以与DeepSeek的多模态大模型进行融合。
主题测试文章，只做测试使用。发布者：火星财经，转转请注明出处：https://www.sengcheng.com/article/14934.html
