眼下最受关注的AI新星、DeepSeek创始人梁文锋正与张一鸣背道而驰。1月28日，DeepSeek发布了新一代多模态大模型Janus-Pro，分为70亿和15亿参数量两个版本，并且均为开源。发布后不久，该模型便登上了知名AI开源社区Hugging Face的热门榜前列。
相比去年11月发布的JanusFlow，Janus-Pro优化了训练策略、扩展了训练数据，模型更大，在多模态理解和文本到图像的指令跟踪功能方面取得重大进步，同时增强了文本到图像生成的稳定性。根据DeepSeek的测试结果，这款文生图大模型在多项基准测试中表现出色，甚至强于OpenAI旗下的DALL-E 3以及Stable Diffusion。尽管用户指出Janus-Pro并不全面超越DALL-E 3，但其以较小的参数量展现了不俗潜力。
本月早些时候，DeepSeek还发布了R1大模型。作为一款开源模型，R1在数学、代码、自然语言推理等任务上的性能号称可以比肩OpenAI当前最强的o1模型正式版。更重要的是，DeepSeek仅花费了相当于OpenAI零头的资金和资源，就拿出了堪与o1比肩的产品。这表明“小力出奇迹”的策略在DeepSeek身上屡试不爽。
这种低成本高效率的做法对行业产生了冲击。例如，1月27日美股交易中，英伟达股价暴跌17%，市值蒸发约4.3万亿人民币。然而，长期来看，芯片依然是AI大模型发展的基石，英伟达作为这一领域技术壁垒最坚固的公司，其“卖铲者”的长期价值依然坚挺。
字节跳动自2023年进军AI大模型以来，投入大量资金和资源，快速扩充AI业务矩阵，发布十几款大模型及十几个AI应用。尽管如此，“小力出奇迹”的DeepSeek让字节看似无可置疑的“大力”打法遭遇挑战。DeepSeek不仅在AI技术和产品上打破了旧思维，也在不经意间点破了“大力出奇迹”并非放诸四海皆准的商业真理。
Janus-Pro的成本相对较低，使用轻量级分布式训练框架，1.5B参数模型大约需要128张英伟达A100芯片训练7天，7B参数模型则需要256张A100芯片和14天训练时间。这样计算下来，模型训练成本可低至数万美元。性能方面，Janus-Pro通过将多模态理解和生成统一起来，提升了视觉编码解耦的能力。在实际应用中，无论是文生图还是图生文，Janus-Pro都表现良好。
Janus-Pro继承了DeepSeek的开源传统，使用MIT协议，个人和中小企业可以省去不少费用。此外，由于模型体量小，Janus-Pro可以在PC端安装并本地运行，进一步降低了使用成本。
相比之下，国外秉持“大力出奇迹”的OpenAI近期遇到一些问题。例如，其文生视频大模型Sora虽然震撼亮相，但随后效果不尽如人意，被谷歌等竞争对手抓住机会嘲讽。尽管如此，OpenAI仍坚持堆芯片、堆算力的路线，计划未来四年投资5000亿美元用于AI基础设施。
字节跳动的核心产品豆包大模型在知识、代码、推理等多项公开测评基准上得分优于GPT-4o和DeepSeek-V3，但其投入同样惊人。据传今年将投入超过120亿美元用于AI基础设施，不过字节对此回应称相关消息并不准确。
DeepSeek通过“小力出奇迹”的方式展示了新的技术路线和商业哲学，打破了传统的大厂主导逻辑。这表明中小厂商完全可以用更少的资源做出更好的产品，从而得到市场和投资者的认可。
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/15229.html
