中國人工智能公司 DeepSeek 的 R1“推理”人工智能已經引起了廣泛關注，位居應用商店排行榜首位并改變了股市。隨后DeepSeek又宣布開源新一代多模態模型Janus-Pro-7B，該模型在圖像生成、視覺問答等任務中全面超越 OpenAI 的 DALL-E 3 和 Stable Diffusion 3，并以“理解-生成雙路徑”架構和極簡部署方案引發AI社區轟動。

性能表現：小模型吊打行業巨頭

Janus-Pro-7B雖僅有70億參數（約為GPT-4的1/25），卻在關鍵測試中碾壓對手：

• 文生圖質量：在GenEval測試中以80%準確率擊敗DALL-E 3（67%）和Stable Diffusion 3（74%）
• 復雜指令理解：在DPG-Bench測試中達84.19%準確率，能精準生成如“山腳下有藍色湖泊的雪山”等復雜場景
• 多模態問答：視覺問答準確率超越GPT-4V，MMBench測試得分79.2分接近專業分析模型

技術突破：像“雙面神”分工協作

傳統模型讓同一套視覺編碼器既理解圖片又生成圖片，如同讓廚師同時設計菜單和炒菜。Janus-Pro-7B創新地將視覺處理拆分為兩條獨立路徑：

• 理解路徑：用SigLIP-L視覺編碼器快速提取圖片核心信息（如“這是一只橘貓在沙發上”）
• 生成路徑：通過VQ分詞器將圖像分解為像素點陣，像拼樂高一樣逐步繪制細節（如毛發紋理、光影效果） 這種“分頭行動”的設計解決了傳統模型的角色沖突問題，訓練時還混合了7200萬張合成圖像與真實數據，提升生成穩定性。

開源與商業使用

• 免費商用：采用MIT開源協議，允許無限制商業使用
• 極簡部署：提供1.5B（需16GB顯存）和7B（需24GB顯存）版本，普通顯卡即可運行
• 一鍵生成：官方提供Gradio交互界面，輸入generate_image(prompt="夕陽下的雪山", num_images=4)即可批量出圖

相關鏈接

• GitHub倉庫：https://github.com/deepseek-ai/Janus
• 模型下載：https://huggingface.co/deepseek-ai/Janus-Pro-7B

應用場景：從藝術到隱私保護

• 創意產業：設計師輸入文本生成海報原型，游戲開發者快速構建場景素材
• 教育工具：教師用模型生成火山噴發動態示意圖輔助地理教學
• 企業隱私：醫院、銀行可本地部署，避免患者病歷、金融數據上傳云端
• 文化傳播：能識別全球地標并生成帶文化符號的圖片