DeepSeek开源Janus-Pro-7B视觉多模态模型 击败DALL-E 3

DeepSeek宣布开源全新的视觉多模态模型Janus-Pro-7B，在基准测试中击败了Stable Diffusion和OpenAI的DALL-E 3。该模型整合了优化的训练策略、扩展的训练数据和更大规模的扩展，取得了在多模态理解、文本到图像指令遵循能力方面显著进展，并增强了文本到图像生成稳定性。据悉，JanusFlow引入一种极简架构，可以直接在大型语言模型框架内进行训练而无需复杂调整。这项工作代表着朝着更高效、更通用的视觉语言模型迈进了一步。