DeepSeek深夜發(fā)新品跑分力壓OpenAI 圖像生成新突破

小大

用微信掃描二維碼
分享至好友和朋友圈

關(guān)鍵詞：

2025-01-28 07:36:20 財(cái)聯(lián)社

中國(guó)公司DeepSeek在華爾街周一緊張?jiān)u估“DeepSeek風(fēng)暴”時(shí),，推出了新產(chǎn)品：開(kāi)源的多模態(tài)大模型Janus-Pro,。這款模型在圖像生成基準(zhǔn)測(cè)試中超越了OpenAI的DALL-E 3。

除夕夜前夕,，DeepSeek工程師們?cè)凇氨П槨逼脚_(tái)上發(fā)布了Janus Pro 7B和1.5B模型,，這是對(duì)去年10月發(fā)布的Janus模型的升級(jí)。這兩個(gè)模型分別具有15億和70億參數(shù)量,，可以在消費(fèi)級(jí)電腦上本地運(yùn)行,。與之前的版本一樣，Janus Pro采用MIT許可證,，在商用方面沒(méi)有限制,。

據(jù)介紹，Janus-Pro采用了新穎的自回歸框架,，統(tǒng)一了多模態(tài)理解和生成,。通過(guò)將視覺(jué)編碼分為“理解”和“生成”兩條路徑，并使用單一的Transformer架構(gòu)處理,，解決了以往方法的局限性。這種設(shè)計(jì)不僅緩解了視覺(jué)編碼器在理解和生成中的角色沖突,，還提高了框架的靈活性,。

從報(bào)告給出的數(shù)據(jù)來(lái)看，Janus-Pro 70億參數(shù)模型在部分文生圖基準(zhǔn)測(cè)試中表現(xiàn)優(yōu)于OpenAI的DALL-E 3和Stability AI的Stable Diffusion 3-Medium,。盡管DALL-E 3是2023年發(fā)布的老模型,，且Janus Pro目前只能分析和生成較小規(guī)格的圖像（384 x 384），但其性能仍然令人印象深刻,。

技術(shù)報(bào)告顯示,，Janus-Pro在視覺(jué)生成方面通過(guò)添加7200萬(wàn)張高質(zhì)量合成圖像，使得真實(shí)數(shù)據(jù)與合成數(shù)據(jù)的比例達(dá)到1:1,，從而實(shí)現(xiàn)更具視覺(jué)吸引力和穩(wěn)定性的圖像輸出,。此外，新模型在多模態(tài)理解的訓(xùn)練數(shù)據(jù)方面參考了DeepSeek VL2并增加了約9000萬(wàn)個(gè)樣本,。

作為多模態(tài)模型,，Janus-Pro不僅可以“文生圖”，還能對(duì)圖片進(jìn)行描述,、識(shí)別地標(biāo)景點(diǎn)（如杭州西湖）,、識(shí)別圖像中的文字,，并能介紹圖片中的知識(shí)（例如“貓和老鼠”蛋糕）。公司也在報(bào)告中展示了更多圖像生成的案例,。

(責(zé)任編輯：于浩淙 zx0176)

關(guān)閉

DeepSeek深夜發(fā)新品 跑分力壓OpenAI 圖像生成新突破

相關(guān)新聞

今日熱點(diǎn)

頻道熱點(diǎn)

DeepSeek深夜發(fā)新品跑分力壓OpenAI 圖像生成新突破