基于 DeepSeek Janus-Pro 的 RAG 系统在多模态任务中表现出色。Janus-Pro 通过解耦视觉编码解决了传统模型的性能瓶颈，采用双编码器架构分别处理图像理解和生成任务。其创新架构包括共享的自回归 Transformer，并通过分步优化训练策略提升了多模态理解和生成能力。尽管在图像分辨率和生成逼真人物方面存在局限性，Janus-Pro 在多个基准测试中仍取得了领先成绩，标志着多模态 AI 模型的新发展里程碑。