DeepSeek, китайская компания, прославившаяся своим ИИ-чат-ботом, заявила о создании семейства мультимодальных ИИ-моделей Janus Pro, способных, по словам компании, превзойти по качеству генерации и анализа изображений такие известные решения как OpenAI DALL-E 3, PixArt-alpha и Stable Diffusion XL. Модели распространяются под открытой лицензией MIT, что является важным шагом для сообщества разработчиков.

Модели Janus Pro предлагаются в различных вариантах, с количеством параметров от 1 до 7 миллиардов — при этом производительность возрастает по мере увеличения числа параметров. Флагманская модель, Janus Pro 7B, как сообщает TechCrunch, успешно продемонстрировала свои возможности в тестах GenEval и DPG-Bench. «Janus Pro превосходит предыдущие универсальные модели, а также сопоставима, и даже превосходит узкоспециализированные решения других компаний. Простота, гибкость и эффективность делают нашу ИИ-модель перспективным кандидатом для использования в мультимодальных системах нового поколения», — говорится в официальном сообщении компании.

Janus Pro обладает архитектурой, позволяющей как создавать, так и анализировать изображения. Однако текущая реализация ограничена генерацией картинок с разрешением 384 × 384 пикселей, что уступает возможностям современных моделей. При этом, для моделей такого размера, полученные результаты считаются впечатляющими, особенно на фоне конкуренции.

Следует отметить, что успех компании DeepSeek привлек широкое внимание после того, как ее чат-бот занял лидирующие позиции в рейтинге приложений App Store. При этом, стартап, получающий финансирование от High-Flyer Capital Management и применяющий энергоэффективные методы обучения, заставляет аналитиков с Уолл-стрит и ИТ-экспертов сомневаться в безусловном лидерстве США в области разработки решений на основе искусственного интеллекта. Некоторые также задаются вопросом, сохранится ли текущий высокий спрос на чипы для ИИ, учитывая, что DeepSeek использовал принципиально иные подходы.