原创 金色传说大聪明 2025-01-28 04:03 广东
这场 AI 世界大战，终于轮到中国玩家来定义语法。东方破晓，愿君行早
今天是除夕，凌晨 1 点，我在北京的公寓里写算法。白天在中关村咖啡馆的喧嚣， AppStore 登顶的狂欢， 仿佛已经是上个世纪的事情。
此刻的屏幕上，不断翻出来新的消息：DeepSeek Janus-Pro 开源
让我们一起，来看看这旧年的最后一个惊喜
这是一个多模态模型，名称来源于古罗马神话中的双面神“雅努斯”（Janus）：它同时面向过去与未来。当然，你也可以说，这代表了模型的两种能力——既要进行视觉理解，又要进行图像生成。
发布的地址在这：
https://github.com/deepseek-ai/Janus
https://huggingface.co/deepseek-ai/Janus-Pro-1B
https://huggingface.co/deepseek-ai/Janus-Pro-7B
同时发布的，还有一份技术文档，可以回复 Janus 获取这份文档。
首先，我得承认，我对图像处理这块并不精通，所以如果有解读错误的地方，欢迎评论区指正。
官方给了一些生成的效果图，明显强于 Janus 原版。虽比不上 Midjourney 那般艺术，但应为第一梯队。
如果是对比 OpenAI 的 DALL-E 3，参数会领先不少，并且直接霸榜。
更不同于 OpenAI 的 DALL-E 只能画图，Janus 同时包含了多种能力：比如图像识别、地标识别、文字识别等。
图像识别能力，也就是所谓的读图
地标识别能力，比如让他猜这张图片是在哪拍的
图片通识 - 他知道很多的文化符号，比如 Tom and Jerry
来识别图片中的文字
当然，自然也能生成图片
你会发现，这个模型不同于 4o 类型的模型 - 只能看，而是既能看，也能画。其原因，便是 Deep Seek 的这个模型，使用了解耦视觉编码技术。
在“理解通路”，它能迅速感知到图片的核心信息，并给出更准确、更专业的回答；
而在“生成通路”上，它便是一个艺术家，像 MidJourney 一样，去描绘笔触和色彩。
至于这个模型是如何做到这些的，按报告说法，基于以下三条：
更优化的训练策略： DeepSeek 团队改进了 Janus-Pro 的 “学习方法”，让模型训练过程更高效、更稳定。就像给学生制定了更科学的学习计划，让 Janus-Pro 能更快更好地掌握知识。
更海量的训练数据： 为了让 Janus-Pro 见识更广阔的世界，DeepSeek 投入了 前代模型三倍以上 的训练数据！海量的数据就像丰富的教材，让 Janus-Pro “饱读诗书”，变得更加博学。
更大规模的模型： Janus-Pro 采用了更大规模的模型，参数量达到 70 亿。模型规模的扩大就像大脑容量的增加，让 Janus-Pro 拥有更强大的 “思考” 和 “处理信息” 的能力。
如果对详细信息感兴趣，可以回复 Janus 获取这份文档。
再度看向屏幕，已是刚过四点：不久，就要天亮了
在我们的土地上，正传颂着一种新的叙事：不搞算力禁运，不搞实体清单，不用算力砌高墙，而以开源筑长阶，邀世界共赴星辰。
东方破晓，愿君行早。
