O modelo multimodal Janus-Pro, desenvolvido pela empresa chinesa DeepSeek, foi lançado oficialmente, marcando sua entrada no mercado de geração de imagens a partir de texto. Este lançamento representa um grande avanço da DeepSeek na tecnologia de IA multimodal.
Nos testes de referência GenEval e DPG-Bench, o Janus-Pro-7B não apenas superou o DALL-E3 da OpenAI, mas também modelos populares como Stable Diffusion e Emu3-Gen. O Janus-Pro utiliza a licença MIT de código aberto, permitindo seu uso ilimitado em cenários comerciais. A DeepSeek afirma que o Janus-Pro é uma versão aprimorada do modelo JanusFlow, lançado em 13 de novembro de 2024.
Em comparação com modelos anteriores, o Janus-Pro apresenta uma estratégia de treinamento otimizada, um conjunto de dados de treinamento expandido e um tamanho de modelo maior. Essas melhorias resultaram em avanços significativos na compreensão multimodal e no seguimento de instruções de texto para imagem, além de aumentar a estabilidade da geração de imagens a partir de texto.
Embora o Janus-Pro atualmente processe imagens com resolução de 384x384, seu desempenho impressiona, considerando seu tamanho de modelo compacto.
Como um modelo multimodal, o Janus-Pro não apenas gera imagens, mas também descreve imagens, identifica pontos turísticos, reconhece texto em imagens e apresenta informações sobre o conhecimento contido nas imagens.
Destaques:
🌟 A DeepSeek lança o modelo multimodal Janus-Pro, entrando no mercado de geração de imagens a partir de texto.
📈 Nos testes de referência, o Janus-Pro-7B superou o DALL-E3 da OpenAI e outros modelos populares.
✅ O Janus-Pro utiliza a licença MIT de código aberto, permitindo seu uso ilimitado em cenários comerciais.
