DeepSeek 再度開源：用 Janus

專題：DeepSeek為何能震動全球AI圈

　　來源：賽博禪心

　　今天是除夕，凌晨 1 點，我在北京的公寓里寫算法。白天在中關村(4.520, 0.00, 0.00%)咖啡館的喧囂， AppStore 登頂的狂歡， 仿佛已經是上個世紀的事情。　

　　DeepSeek 完全指南：這到底是怎樣的存在？

　　此刻的屏幕上，不斷翻出來新的消息：DeepSeek Janus-Pro 開源

　　讓我們一起，來看看這舊年的最后一個驚喜　

　　這是一個多模態模型，名稱來源于古羅馬神話中的雙面神“雅努斯”（Janus）：它同時面向過去與未來。當然，你也可以說，這代表了模型的兩種能力——既要進行視覺理解，又要進行圖像生成。

　　發布的地址在這：　

　　https：//github.com/deepseek-ai/Janus

　　https：//huggingface.co/deepseek-ai/Janus-Pro-1B

　　https：//huggingface.co/deepseek-ai/Janus-Pro-7B

　　同時發布的，還有一份技術文檔，可以回復 Janus 獲取這份文檔。　

　　首先，我得承認，我對圖像處理這塊并不精通，所以如果有解讀錯誤的地方，歡迎評論區指正。　

　　官方給了一些生成的效果圖，明顯強于 Janus 原版。雖比不上 Midjourney 那般藝術，但應為第一梯隊。　

　　如果是對比 OpenAI 的 DALL-E 3，參數會領先不少，并且直接霸榜。

　　更不同于 OpenAI 的 DALL-E 只能畫圖，Janus 同時包含了多種能力：比如圖像識別、地標識別、文字識別等。

　　圖像識別能力，也就是所謂的讀圖　

　　地標識別能力，比如讓他猜這張圖片是在哪拍的　

　　圖片通識 - 他知道很多的文化符號，比如 Tom and Jerry　

　　來識別圖片中的文字　

　　當然，自然也能生成圖片　

　　你會發現，這個模型不同于 4o 類型的模型 - 只能看，而是既能看，也能畫。其原因，便是 Deep Seek 的這個模型，使用了解耦視覺編碼技術。

　　在“理解通路”，它能迅速感知到圖片的核心信息，并給出更準確、更專業的回答；

　　而在“生成通路”上，它便是一個藝術家，像 MidJourney 一樣，去描繪筆觸和色彩。　

　　至于這個模型是如何做到這些的，按報告說法，基于以下三條：　

• 更優化的訓練策略： DeepSeek 團隊改進了 Janus-Pro 的 “學習方法”，讓模型訓練過程更高效、更穩定。就像給學生制定了更科學的學習計劃，讓 Janus-Pro 能更快更好地掌握知識。

• 更海量的訓練數據： 為了讓 Janus-Pro 見識更廣闊的世界，DeepSeek 投入了 前代模型三倍以上 的訓練數據！海量的數據就像豐富的教材，讓 Janus-Pro “飽讀詩書”，變得更加博學。

• 更大規模的模型： Janus-Pro 采用了更大規模的模型，參數量達到 70 億。模型規模的擴大就像大腦容量的增加，讓 Janus-Pro 擁有更強大的 “思考” 和 “處理信息” 的能力。

　　如果對詳細信息感興趣，可以回復 Janus 獲取這份文檔。　

　　再度看向屏幕，已是剛過四點：不久，就要天亮了

　　在我們的土地上，正傳頌著一種新的敘事：不搞算力禁運，不搞實體清單，不用算力砌高墻，而以開源筑長階，邀世界共赴星辰。

　　東方破曉，愿君行早。　

責任編輯：李桐