Deepseek又开源了颠覆性的新模型Janus-Pro

Deepseek又开源了颠覆性的新模型Janus-Pro

Deepseek真的是一点都不休息啊，除夕还发模型
刚刚推出并开源了Janus-Pro，作为之前Janus 的全面升级版，这次它不仅参数从 1B扩展到 7B
而且在多模态理解与生成能力上实现飞跃，还大幅提升了图像生成的稳定性和细节表现！

先介绍一下Janus架构☝️
Janus是为了解决多模态AI领域的一个根本性矛盾：“理解”与“生成”任务对视觉表征的需求

核心科技⬇️
视觉编码解耦
通过为理解和生成任务分别设计专用编码器：
理解编码器：采用SigLIP（高维语义提取），将图像压缩为紧凑的语义向量，适配语言模型的推理需求。
✍️生成编码器：基于VQ（向量量化）的离散化编码，保留局部细节信息，为像素级重建提供基础。
避免任务冲突，实现“专业的人做专业的事”；
生成时无需依赖理解任务的中间特征，减少信息损失。

而Janus-Pro-7B的表现证明了这条路是走的通的✅
多模态理解能力在MMBench上得分79.2，比单编码器模型（如LLaVA-1.5）提升超15%；复杂场景问答（如文档解析）准确率显著提高

同时在生成图片的质量也有了质变：
短提示稳定性提升（如“戴草帽的少女”不再崩脸）；画面细节更丰富，光影层次更自然

Janus架构的本质突破在于：首次系统性解耦多模态任务的底层表征需求。这不仅解决了传统模型的性能瓶颈，更开辟了一条可扩展的技术路径
1️⃣ 灵活适配：未来可针对视频、3D等新模态设计专用编码分支；
2️⃣ 效率优化：也许可以各模块独立训练/更新，降低迭代成本；
3️⃣AGI基石：为“感知-推理-创造”的闭环智能奠定基础。

Janus不是简单的技术迭代，而是多模态架构设计的一次哲学升级——它用“分工协作”取代“大一统”，让AI真正学会“看”与“画”的平衡艺术（这句话来自deepseek-R1）

PS：目前代码与模型已公开（MIT许可）速去 GitHub 围观