北京时间1月28日凌晨，DeepSeek宣布开源全新视觉多模态模型Janus-Pro-7B。该模型在GenEval和DPG-Bench基准测试中击败了Stable Diffusion和OpenAI的DALL-E 3。Janus-Pro通过将视觉编码过程拆分为多个独立路径，解决了以往框架中的局限性，提升了灵活性。Janus-Pro是基于DeepSeek-LLM-7b-base构建的，支持384x384像素的图像输入。模型在多模态理解和文本到图像生成方面表现出色，提高了生成的稳定性和效率。GitHub和HuggingFace链接已提供。