DeepSeek宣告开源全新的视觉多模态模型Janus-Pro-7B，在基准测验中打败了Stable Diffusion和OpenAI的DALL-E 3。该模型整合了优化的练习战略、扩展的练习数据和更大规划的扩展，取得了在多模态了解、文本到图画指令遵从才能方面明显发展，并增强了文本到图画生成稳定性。据悉，JanusFlow引进一种极简架构，能够直接在大型言语模型结构内进行练习而无需杂乱调整。这项作业代表着朝着更高效、更通用的视觉言语模型迈进了一步。