DeepSeek除夕炸场！发布开源多模态大模型，文生图跑分力压OpenAI DALL-E 3

正文

这个除夕，所有的聚光灯理应给到DeepSeek。

刚刚，人工智能社区Hugging Face显示，DeepSeek刚刚发布了开源多模态人工智能（AI）模型Janus-Pro，这是一款基于 DeepSeek-LLM-1.5b-base 和 DeepSeek-LLM-7b-base 构建的模型。在这系列模型中，Janus-Pro-7B在GenEval和DPG-Bench基准测试中击败了OpenAI的DALL-E 3和Stable Diffusion。

GitHub项目地址：https://github.com/deepseek-ai/Janus?tab=readme-ov-file

HuggingFace项目地址：https://huggingface.co/deepseek-ai/Janus-Pro-1B

据悉，Janus-Pro 是一种创新的自回归框架，旨在统一多模态理解与生成任务。它通过将视觉编码解耦为独立的路径，同时仍采用单一的统一 Transformer 架构进行处理，从而解决了以往方法的局限性。这种解耦不仅缓解了视觉编码器在理解与生成任务中的角色冲突，还增强了框架的灵活性。值得一提的是，Janus-Pro 超越了以往的统一模型，还在性能上媲美甚至超越了针对特定任务设计的模型。

在多模态理解方面，它使用SigLIP-L作为视觉编码器，支持384x384的图像输入。在图像生成方面，Janus-Pro使用了来源于此的分词器（tokenizer），其下采样率为16。

Janus-Pro的发布在网上引发了渲染大波，但也有网友认为，Janus-Pro虽然在基准测试中赢了DALL-E 3，但基准测试毕竟不等于实际应用，DPG-Bench看重生成质量和理解能力，实际用起来效果还得看落地表现。

但值得一提的是，由于太过火爆，DeepSeek现在已经限制国外新用户注册了，海外用户需要购买虚拟账号注册方能使用。

DeepSeek在其官方公告中表示：近期DeepSeek线上服务受到大规模恶意攻击，为持续提供服务，暂时限制了+86手机号以外的注册方式已注册用户可以正常登录，感谢理解和支持。

最后，祝大家除夕快乐！