DeepSeek 发布多模态模型 Janus-Pro

背景

Janus-Pro 属于深度求索的 Janus 系列模型。发布时它被称为原版 Janus 的进阶版本，因此设计沿用了前一代模型提出的思路。

发生了什么

2025 年 1 月 27 日，深度求索发布 Janus-Pro，作为其 Janus 模型的进阶版本。^[1]

Janus-Pro 是一个模型，同时承担多模态理解（输入图像，输出文本）和文生图两项工作。^[2]

多模态模型可以处理不止一种输入或输出。这里的输入和输出是图像与文本。能回答照片相关问题的模型和能根据一句话画图的模型都属于多模态模型，Janus-Pro 两种能力都具备。

关键细节

Janus 把视觉编码分成理解和生成两条独立通路，同时保留一个统一的 Transformer。^[1]

模型有 Janus-Pro-1B 和 Janus-Pro-7B 两种规模，每种的序列长度为 4096 个词元。^[1]

与 Janus 相比，Janus-Pro 优化了训练策略，扩充了训练数据，并增大了模型规模。这些改动带来了更好的理解能力、更好的文生图指令遵循能力，以及更稳定的生成效果。^[2]

代码采用 MIT 许可证，模型的使用受 DeepSeek Model License 约束，该许可证允许商业使用。^[1]

影响

对读者而言，这次发布值得注意的地方在于设计：同一个模型既能读图，也能生成图像。代码采用 MIT 许可证，模型使用受允许商业使用的 DeepSeek Model License 约束。具体的质量表现应以技术报告中的数据为准。