AI导读：

长江证券发布AI产业速递，称Janus-Pro采用创新性自回归框架，展现卓越的多模态理解和文本到图像指令遵循能力，超越Stable Diffusion和DALL-E 3，同时训练成本大幅降低，有望推动AI行业整体降本。

财中社2025年2月6日电 长江证券最新发布的软件与服务行业AI产业速递揭示，创新性自回归框架的引入，或使Janus-Pro成为下一代统一多模态模型的明星候选。这款模型基于Deepseek-LLM-1.5b-base/DeepSeek-LLM-7b-base精心构建，并融入了革命性的自回归框架，成功地将多模态的理解与生成融为一体，并通过视觉编码解耦，显著提升了多模态的处理能力。此外，Janus-Pro还整合了优化的训练策略、丰富的训练数据以及更大规模的模型扩展，使其在多模态理解和文本到图像指令遵循方面取得了显著突破，进一步增强了文本到图像生成的稳定性。

在基准测试中，Janus-Pro表现卓越，成功超越了Stable Diffusion和OpenAI的DALL-E 3。根据多项基准测试结果，Janus-Pro展现出了出色的多模态理解能力，并在文本到图像的指令跟踪性能上实现了显著提升。特别是在多模态理解基准MMBench上，Janus-Pro-7B以79.2的高分，力压Janus (69.4)、TokenFlow (68.9)和MetaMorph (75.2)。同时，在文本到图像指令跟踪排行榜GenEval中，Janus-Pro-7B以0.80的优异成绩，同样超越了Janus (0.61)、DALL-E 3 (0.67)和Stable Diffusion 3 Medium（0.74），充分证明了其卓越的性能。

值得一提的是，通过数据规模和蒸馏方法等方面的创新突破，DeepSeek的训练成本大幅降低。Janus-Pro 1.5B和7B两款模型分别在配备16、32个计算节点的集群上进行训练，每个节点配备8张Nvidia A100（40GB）GPU，总训练时间分别为7天和14天，而总成本却仅为数万美元。这一低廉的训练成本，无疑为AI模型的广泛应用提供了有力支持。此外，DeepSeek还将Janus-Pro开源，使得现有AI应用厂商能够利用开源模型和可控算力构建新的AI大模型体系，有望进一步推动多模态大模型的成本降低，并加速其在实际应用中的落地。

（来源：财中社）