深度求索（DeepSeek）创始人梁文锋深夜发文官宣，DeepSeek刚刚发布并开源了一款名为Janus-Pro-7B的多模态AI模型，可以生成图像。据梁文锋介绍，在 GenEval和DPG-Bench基准测试中，Janus-Pro-7B击败了OpenAI的DALL-E3和Stable Diffusion。”
就在今日凌晨，DeepSeek工程师们已经在Hugging Face平台上传了Janus Pro 7B和1.5B模型。这俩模型是去年DeepSeek 10月发布的Janus模型升级版。
据DeepSeek介绍，Janus-Pro是一个新颖的自回归框架，统一了多模态理解和生成。Janus-Pro 是基于 DeepSeek-LLM-1.5b-base/DeepSeek-LLM-7b-base 模型构建的。
在多模态理解任务中，Janus-Pro 采用 SigLIP-L 作为视觉编码器，支持 384 x 384 像素的图像输入。而在图像生成任务中，Janus-Pro 使用一个来自特定来源的分词器，降采样率为 16。
