DeepSeek深夜发新品 跑分力压OpenAI

岁在乙巳，华尔街方酣战于股市，忽闻“DeepSeek风暴”骤起，人心惶惶。未几，一中国公司名DeepSeek者，再掀波澜，发布新品——多模态大模型Janus-Pro，其于图像生成之基准测试中，竟超越OpenAI之“文生图”名模DALL-E 3，且亦行开源之道，一时之间，业界哗然。

时值除夕前夕，夜色深沉，钟声未鸣，DeepSeek之工程师，悄然于“抱抱脸”平台之上，上传Janus Pro 7B与1.5B二模型。此二模型者，乃去年十月所出Janus模型之升级版也。其参数量分别为十五亿与七十亿，足以昭示其于消费级电脑上本地运行之潜力。且此二模型，亦如R1，采MIT许可证，商用无碍。

DeepSeek言，Janus-Pro者，新颖自回归框架也，统一多模态之理解与生成。其将视觉编码析为“理解”与“生成”二途，然犹用单一Transformer架构以治之，破以往之法之局限。此分离之举，既解视觉编码器于理解与生成间之角色冲突，又增框架之灵活性。

观其所出之技术报告，于部分文生图基准测试中，Janus-Pro七十亿参数模型，竟胜OpenAI之DALL-E 3、Stability AI之Stable Diffusion 3-Medium等。虽DALL-E 3为OpenAI于去年所出之“老模”，且Janus Pro现仅能析与生规格较小之图像（384 x 384），然DeepSeek于如此紧凑之模型尺寸中，犹展惊人性能。

技术报告又言，于视觉生成方面，Janus-Pro增七千二百万张高质量合成图像，使统一预训练阶段真实数据与合成数据之比达一比一，遂得“更具视觉吸引力与稳定性之图像输出”。于多模态理解之训练数据方面，新模型参DeepSeek VL2，并增约九千万样本。

Janus-Pro者，多模态模型也，既能“文生图”，亦能对图述说，识地标景点（如杭州之西湖），辨图像中之文字，并能对图中之知识（如下图中之“猫和老鼠”蛋糕）进行介绍。其于报告中所出之图像生成案例，更是琳琅满目，令人叹为观止。

此乃DeepSeek于华尔街风起云涌之时，所出之又一惊世之作也。