摘要 DeepSeek Janus Pro 是一款由 DeepSeek 团队开发的开源多模态 AI 框架，旨在通过创新的架构设计和高效的性能表现，推动多模态理解和生成任务的发展。该模型通过解耦视觉编码路径，将多模态任务分为“理解”和“生成”两条独立路径，有效解决了传统方法中视觉编码器在两种任务中的功能冲突。基于统一的 Transformer 架构，Janus Pro 提供了更高的灵活性和扩展能力，同时在多模态理解任务中展现出与任务专用模型相媲美甚至更优的性能。 Janus Pro 的技术亮点包括优化的训练策略、扩展的训练数据和更大的模型尺寸，这些改进显著提升了其在文本到图像生成任务中的表现。此外，该模型在多个基准测试中取得了优异成绩，如在 GenEval 和 DPG Bench 中，Janus Pro 7B 版本的准确率超过 84%，超越了 OpenAI 的 DALL-E 3 和 Stability AI 的 Stable Diffusion。 DeepSeek Janus Pro 的开源特性使其在学术界和工业界得到了广泛应用。其代码在 GitHub 和 Hugging Face 上以 MIT 许可证开源，鼓励全球开发者自由使用、修改和扩展。该模型不仅支持高质量图像生成和文本处理，还能在消费级电脑上本地运行，适用于艺术创作、内容生成、商业广告和游戏设计等多种场景。