Deepseek又出连招：刚发布了超越DALL-E3的多模态模型

103 0 0

文章摘要

春节之际，AI公司DeepSeek（深度求索）以其创新的AI模型在全球科技圈引起震动。1月20日，DeepSeek发布了推理模型DeepSeek-R1正式版，该模型以低成本训练出的性能媲美OpenAI的推理模型o1，且完全免费开源，引发行业关注。这一成就不仅使DeepSeek的移动端应用迅速登顶美区苹果应用商店免费App排行第一，超越了ChatGPT等热门应用，还直接影响了美股，尤其是英伟达的股价。

1月28日，DeepSeek进一步开源了其多模态模型Janus-Pro-7B，并宣布在GenEval和DPG-Bench基准测试中击败了DALL-E 3和Stable Diffusion。Janus-Pro-7B和Janus-Pro-1B（1.5B参数量）是Janus模型的升级版，采用了创新架构，对理解（图生文）和生成任务（文生图）的视觉编码进行解耦，提升了模型训练的灵活性，有效缓解了性能瓶颈。Janus系列模型展现出强大的指令跟随能力、多语言能力和理解复杂图像的能力。

DeepSeek还发布了Janus Flow新型多模态AI框架，旨在统一图像理解与生成任务。Janus Pro模型能够提供更稳定的输出，具有更好的视觉质量、更丰富的细节以及生成简单文本的能力。模型既能生成图像，也能对图片进行描述，识别地标景点，识别图像中的文字，并能对图片中的知识进行介绍。

Janus-Pro模型在多模态理解任务中采用SigLIP-L作为视觉编码器，支持384 x 384像素的图像输入。在图像生成任务中，使用特定来源的分词器，降采样率为16。尽管图像规模尺寸较小，但Janus Pro模型在架构和参数量上的创新意义重大。特别是Janus Pro的1B模型，仅使用15亿参数，已能在WebGPU上的浏览器中100%运行，预示着图片生成/图片理解的成本进一步下降，AI的使用将更加普及。

DeepSeek的成功展示了中国AI在全球的竞争力，其低成本高效率的模型开发能力让美国同行感到压力。2025年，中国AI有望进一步冲击美国的认知，DeepSeek的创新和秘密将继续引领AI领域的发展。