AI永不眠。‍

由于DeepSeek的R1大语言模型引发了华尔街对于美国公司模型成本的质疑，以及人工智能股票泡沫破裂的恐慌，美股掀起科技股抛售潮。芯片巨头英伟达当日收盘股价暴跌约16.86%，单日市值蒸发约6000亿美元，博通下跌17.4%，超威半导体公司下跌6.37%，美光科技下跌11.67%，台积电跌13.23%，微软下跌2.14%。此外，人工智能领域的衍生品，如电力供应商也受到重创，美国联合能源公司股价下跌20.85%，Vistra的股价下跌28.33%。

白宫人工智能和加密货币总管David Sacks在X上发帖称，DeepSeek R1的表现显示人工智能竞争将非常激烈，也证明美国总统特朗普废除拜登行政命令是正确之举。Sacks说拜登用行政命令束缚了美国的人工智能公司。他还说：“我对美国充满信心，但我们不能自满”。

在用R1模型震撼硅谷和暴击华尔街之后，DeepSeek又在深夜放大招。1月27日晚间10点左右，梁文锋在社交平台上X上表示，DeepSeek新版本即将发布。三个多小时后，人工智能开源社区HuggingFace就显示，DeepSeek发布了参数大小从10亿到70亿不等，名为Janus-Pro和JanusFlow的一系列开源多模态模型。

本次发布的新模型，重点在于文生图能力方面。其中，70亿参数的Janus-Pro-7B在GenEval和DPG-Bench基准测试中，以80%和84.2%的准确率测试结果，击败了OpenAI的DALL-E3和StableDiffusion模型等顶尖的图像生成模型。据了解，该项目采用MIT许可证开源，开发者可以通过开源社区GitHub获取完整代码。DeepSeek团队还表示，Janus-Pro的简洁设计和卓越性能，使其有望成为下一代统一多模态模型的重要选择。

据DeepSeek发布的报告介绍，Janus-Pro先进模型是此前发布的Janus的改进版本。相较于Janus，Janus-Pro包含了优化的训练策略、扩展的训练数据以及扩展到更大的模型规模。通过这些改进，Janus-Pro在多模态理解和文本到图像指令跟随能力方面取得了显著进步，同时提升了文本到图像生成的稳定性。

具体来说，Janus-Pro作为一种新颖的自回归框架，将多模态理解和生成统一起来，将视觉编码解耦，以实现多模态理解和生成。它通过将视觉编码解耦为单独的路径来解决以前方法的局限性，同时仍然使用单一、统一的转换器架构进行处理。

值得注意的是，DeepSeek透露，对于1.5B/7B这两个参数的模型，整个训练过程在16/32节点的集群上进行，每个节点配备8块NvidiaA100（40GB）GPU，1.5B/7B模型的训练时间约为7/14天。也就是说，DeepSeek花了两周在256块英伟达A100，就训练出了击败了OpenAI的DALL-E3和StableDiffusion的模型。

DeepSeek还在报告中展示了具体的效果。例如，使用“一条金色的寻回犬安详地躺在木质门廊上，周边铺满了秋天的叶子”和“一个有雀斑的年轻女人戴着一顶草帽，站在一片金色的麦田中”，Janus-Pro-7B都能够准确捕捉提示中的语义信息，生成合乎逻辑且连贯的图片。不过，尽管包含大量图像细节，Janus-Pro-7B目前仅支持生成分辨率为384×384的图像。

除此以外，Janus-Pro-7B还具备图像识别功能。根据展示的案例，当给Janus-Pro-7B提供一张图片，并问它“猜猜这是哪里”时，Janus-Pro-7B能够根据图片特点猜测其中展示的是中国杭州的西湖，特别是著名的三潭映月岛，并进一步分析称，“图片中的建筑是三潭印月的亭子，周边是平静的湖水，远处是连绵的山脉。西湖是中国著名的旅游景点之一，以其美丽的自然景观和丰富的历史文化而闻名。”

事实上，DeepSeek一直在多模态领域进行探索。去年，DeepSeek就推出了一种基于自回归的多模态理解与生成统一模型Janus，将视觉编码解耦，以实现多模态理解和生成。进入2025年，公司将Janus进一步升级至Janus-Pro。而在此前接受媒体采访时，当被问及公司在实现通用人工智能的过程中有哪些坐标，梁文锋表示DeepSeek押注了三个方向，一是数学和代码，二是多模态，三是自然语言本身。

目前，DeepSeek的C端应用主要聚焦于文本能力，还无法生成图片或者识别图像。记者昨天曾让DeepSeek生成一幅春节贺岁图片，但DeepSeek仅给出了图片创作的色调、原色等建议，并表示它还无法直接生成图片，“你可以根据此描述使用AI绘图工具如DALL·E、MidJourney等生成”。随着Janus-Pro的发布，用户或许很快也可以使用DeepSeek进行图像、视频等领域的创作。

校对：陶谦