/ Модель

Характеристики

Контекст
16 384 токена
Лицензия
MIT
Архитектура
multi_modality · dense
Библиотека
transformers
Опубликована
26 янв 2025

Janus-Pro-1B

Мультимодальная модель3 профессии

Мультимодальная модель DeepSeek для понимания изображений и генерации изображений в единой авторегрессионной архитектуре.

2 954скачиваний за 30 дней494лайкавеса обновлены1 фев 2025

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Janus-Pro-1B — мультимодальная авторегрессионная модель от DeepSeek для совместного понимания изображений и генерации изображений. Она построена на базе DeepSeek-LLM-1.5b-base и использует единую архитектуру MultiModalityCausalLM с отдельными визуальными путями для понимания и генерации.

Для анализа изображений модель использует визуальный энкодер SigLIP-L, принимающий изображения размером 384 × 384 пикселя. Для генерации изображений применяется отдельный токенизатор с коэффициентом уменьшения разрешения 16. Модель предназначена для мультимодальных сценариев, где требуется сочетать визуальный ввод и генерацию; README характеризует её как универсальную модель понимания и генерации.

Модель распространяется под лицензией MIT. В README не приведены оценки качества для конкретных задач и подробные ограничения применения; заявленные авторами результаты не заменяют независимой проверки.

Сценарии применения

  • ответы на вопросы по изображениям
  • описание содержания изображений
  • генерация изображений по текстовому запросу
  • мультимодальные сценарии с пониманием и генерацией визуального контента

Ограничения

В карточке не приведены количественные оценки качества или подробные ограничения для отдельных сценариев. Для понимания изображений указан входной размер 384 × 384 пикселя.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

1. Introduction

Janus-Pro is a novel autoregressive framework that unifies multimodal understanding and generation. It addresses the limitations of previous approaches by decoupling visual encoding into separate pathways, while still utilizing a single, unified transformer architecture for processing. The decoupling not only alleviates the conflict between the visual encoder’s roles in understanding and generation, but also enhances the framework’s flexibility. Janus-Pro surpasses previous unified model and matches or exceeds the performance of task-specific models. The simplicity, high flexibility, and effectiveness of Janus-Pro make it a strong candidate for next-generation unified multimodal models.

Github Repository

2. Model Summary

Janus-Pro is a unified understanding and generation MLLM, which decouples visual encoding for multimodal understanding and generation. Janus-Pro is constructed based on the DeepSeek-LLM-1.5b-base/DeepSeek-LLM-7b-base.

For multimodal understanding, it uses the SigLIP-L as the vision encoder, which supports 384 x 384 image input. For image generation, Janus-Pro uses the tokenizer from here with a downsample rate of 16.

3. Quick Start

Please refer to Github Repository

4. License

This code repository is licensed under the MIT License. The use of Janus-Pro models is subject to DeepSeek Model License.

5. Citation

@article{chen2025janus,
  title={Janus-Pro: Unified Multimodal Understanding and Generation with Data and Model Scaling},
  author={Chen, Xiaokang and Wu, Zhiyu and Liu, Xingchao and Pan, Zizheng and Liu, Wen and Xie, Zhenda and Yu, Xingkai and Ruan, Chong},
  journal={arXiv preprint arXiv:2501.17811},
  year={2025}
}

6. Contact

If you have any questions, please raise an issue or contact us at service@deepseek.com.

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · transformers

Нельзя запустить

Any-to-any модели пока не поддерживаются.

Класс архитектуры
MultiModalityCausalLM
Ревизия весов
960ab33

0 моделей