一 簡介

DeepSeek R1 模型，在文字創作，代碼編程、數據推理等多方面都具有不俗的表現，但是R1模型并不支持以文生圖的功能，DeepSeek在多模態方面已早有布局，其實去年，他們就曾發過一個多模態模型就是Janus，2025年的1月27日，又發布了Janus的pro版本即 Janus-Pro。

二 Janus-Pro

2.1 以文生圖功能

Janus-Pro 為DeepSeek開源的最新的多模態模型，主要為以文生圖而設計，在同類模型測試中也表現優異，見下測試對比圖。 Pro版本相對Janus有幾大改進：

1. 提供更好的訓練策略；
2. 擴大了訓練的數據集；
3. 提供了1B和7B尺寸模型，1B模型甚至可以在瀏覽器中運行；
4. 提高了生成圖像的穩定性和一致性，這個可以通過下面的生成圖對比看出來；

通過對比可以看出，Janus-Pro已經躋身最優秀的以文生圖的模型之列，同尺寸規模的模型測試中，Janus-Pro-7B的表現最優；右圖，在基準測試中，Janus-Pro在GenEval這個模型生成效果測試中得分最高80%，在執行準確度DPG-Bench測試中，也是得到了最高84.2%分；

Janus和Janus-Pro生成圖的對比效果如下圖，差距還是非常巨大的；

2.2 分析理解圖功能

Janus-Pro不光可以以文生圖，還可以反過來分析圖片中的信息，比如你可以上傳圖像，讓它分析圖中的物體，解釋圖中的文本，分析上下文等。

比如下圖的分析效果：

我將官網的測試對比圖發送給它官網的在線圖片分析模型，進行分析，得到如下結果：

同一句提示詞，英文交互給出的分析結果更為詳細些：

英文交互分析結果

2.3 以文生圖功能對比

在官網中，以文生圖更推薦FLUX而不是Janus-Pro，Janus-Pro和FlUX的對比如下： 以下是將圖片中的英文轉換成中文后的 Markdown 表格：

特性 Janus Pro Flux 主要關注點 多模態任務，文本-圖像交互 高質量圖像生成 性能 擅長指令執行，多模態任務 高質量圖像且生成速度快 訓練成本 相對較低的預算 未明確說明，可能更高 圖像分辨率 輸入：384 x 384 像素，輸出：最高 768 x 768 可生成高達 1024 x 1024 像素 社區支持 開源，在 Hugging Face 上可用 擁有強大的社區支持和優化

總結，Flux更擅長高質量的圖像快速生成，Janus Pro 是一個可以處理文本和圖像的多模態模型。它擅長將數學方程式圖像轉換為 LaTeX 代碼以及根據詳細的文本提示生成圖像等任務。

我測試了下發現網頁版本，兩個生成圖像的速度都比較慢，也許是高峰期比較擁堵的原因。

2.4 本地運行和體驗

如果只是簡單的體驗，可以直接去https://janusai.pro 網址來體驗在線以文生圖和分析圖片內容兩個功能，不過可能是因為使用者太多的原因，導致生成圖片的速度特別慢，所以也可以考慮下本地部署Janus-Pro-1B和Janus-Pro-7B這兩個開源版本的模型；

Janus-Pro-1B

1. 適用于資源有限的設備，甚至移動設備，適用個人用戶（16GB VRAM的顯卡)
2. 生成的圖像質量有限,可用于個人測試

Janus-Pro-7B

1. 24GB VRAM 以及以上的顯卡（20GB以上也基本可行），比如RTX4090顯卡；
2. 高質量圖像生成，文字和信息識別基本準確，內容理解完整清晰，但是局部細節有所欠缺；
3. 圖像生成速度約15秒/張；
4. 模型支持中文理解和交互；

下載地址

三 總結

Janus-Pro作為DeekSeek開源的多模態模型，不光可以以文生圖，還具備強大的圖像理解能力，無論對個人AI用戶，還是對有需要的企業用戶，都提供了一種多模態模型的解決方案，期待DeepSeek后續給我們帶來更多優秀的模型；

四 AI名詞解釋和開源語言模型發布平臺

4.1 AI交流中常見的術語

• AI（人工智能）：AI即人工智能（Artificial Intelligence），是讓機器（如計算機系統）展現出智能的技術 ，使機器能像人一樣學習、思考與決策。
• LLM（大語言模型）：LLM也就是大語言模型（Large Language Model），它屬于人工神經網絡，是一種憑借強大的通用語言生成及自然語言處理任務（如文本分類）能力而備受矚目的語言模型。
• GenAI（生成式人工智能）：GenAI即生成式人工智能（Generative Artificial Intelligence），也簡稱GAI 。它運用生成式模型，能依據提示語生成文本、圖像、視頻等各類數據。
• GPT（生成式預訓練變換器）：GPT即Generative Pre-trained Transformer，作為大語言模型的一種，是廣為人知的GenAI技術，在語言處理方面表現卓越。
• ChatGPT：這是OpenAI基于GPT技術開發的聊天機器人，專為對話場景優化，能與人自然流暢交流，解答問題、提供建議。
• Autonomous Agent（自主型智能體）：自主型智能體可獨立開展工作，具有主動性，不僅能主動和人類溝通，還會給出建設性意見，以高效達成工作目標。
• chat模型：指自帶聊天功能的模型，像Qwen/Qwen2.5 - 7B - Instruct、DeepSeek - R1等，能與人進行聊天互動。
• Embedding模型：該模型將文本、圖像等數據轉化為低維向量，便于計算機理解分析，向量關系反映數據間相似性。

關系圖

4.2 開源語言模型發布平臺

Hugging Face Hub：https://huggingface.co 這是世界最大的開源 AI 模型發布平臺，可以看做ML的github；https://ollama.com：開源的LLM服務包括模型和工具，工具提供與OpenAI兼容的API。https://www.modelscope.cn/home： 可以理解成中國版本的Hugging Face Hub