一 简介
DeepSeek R1 模型，在文字创作，代码编程、数据推理等多方面都具有不俗的表现，但是R1模型并不支持以文生图的功能，DeepSeek在多模态方面已早有布局，其实去年，他们就曾发过一个多模态模型就是Janus，2025年的1月27日，又发布了Janus的pro版本即 Janus-Pro。
二 Janus-Pro
2.1 以文生图功能
Janus-Pro 为DeepSeek开源的最新的多模态模型，主要为以文生图而设计，在同类模型测试中也表现优异，见下测试对比图。 Pro版本相对Janus有几大改进：
提供更好的训练策略；
扩大了训练的数据集；
提供了1B和7B尺寸模型，1B模型甚至可以在浏览器中运行；
提高了生成图像的稳定性和一致性，这个可以通过下面的生成图对比看出来；
Janus和Janus-Pro生成图的对比效果如下图，差距还是非常巨大的；
2.2 分析理解图功能
Janus-Pro不光可以以文生图，还可以反过来分析图片中的信息，比如你可以上传图像，让它分析图中的物体，解释图中的文本，分析上下文等。
比如下图的分析效果：
我将官网的测试对比图发送给它官网的在线图片分析模型，进行分析，得到如下结果：
2.3 以文生图功能对比
在官网中，以文生图更推荐FLUX而不是Janus-Pro，Janus-Pro和FlUX的对比如下： 以下是将图片中的英文转换成中文后的 Markdown 表格：
特性 | Janus Pro | Flux |
|---|---|---|
主要关注点 | 多模态任务，文本-图像交互 | 高质量图像生成 |
性能 | 擅长指令执行，多模态任务 | 高质量图像且生成速度快 |
训练成本 | 相对较低的预算 | 未明确说明，可能更高 |
图像分辨率 | 输入：384 x 384 像素，输出：最高 768 x 768 | 可生成高达 1024 x 1024 像素 |
社区支持 | 开源，在 Hugging Face 上可用 | 拥有强大的社区支持和优化 |
总结，Flux更擅长高质量的图像快速生成，Janus Pro 是一个可以处理文本和图像的多模态模型。它擅长将数学方程式图像转换为 LaTeX 代码以及根据详细的文本提示生成图像等任务。
我测试了下发现网页版本，两个生成图像的速度都比较慢，也许是高峰期比较拥堵的原因。
2.4 本地运行和体验
如果只是简单的体验，可以直接去https://janusai.pro 网址来体验在线以文生图和分析图片内容两个功能，不过可能是因为使用者太多的原因，导致生成图片的速度特别慢，所以也可以考虑下本地部署Janus-Pro-1B和Janus-Pro-7B这两个开源版本的模型；
Janus-Pro-1B
适用于资源有限的设备，甚至移动设备，适用个人用户（16GB VRAM的显卡)
生成的图像质量有限,可用于个人测试
Janus-Pro-7B
24GB VRAM 以及以上的显卡（20GB以上也基本可行），比如RTX4090显卡；
高质量图像生成，文字和信息识别基本准确，内容理解完整清晰，但是局部细节有所欠缺；
图像生成速度约15秒/张；
模型支持中文理解和交互；
下载地址
7B模型：https://huggingface.co/deepseek-ai/Janus-Pro-7B
1B模型：https://huggingface.co/deepseek-ai/Janus-Pro-1B三 总结
Janus-Pro作为DeekSeek开源的多模态模型，不光可以以文生图，还具备强大的图像理解能力，无论对个人AI用户，还是对有需要的企业用户，都提供了一种多模态模型的解决方案，期待DeepSeek后续给我们带来更多优秀的模型；
四 AI名词解释和开源语言模型发布平台
4.1 AI交流中常见的术语
AI（人工智能）：AI即人工智能（Artificial Intelligence），是让机器（如计算机系统）展现出智能的技术 ，使机器能像人一样学习、思考与决策。
LLM（大语言模型）：LLM也就是大语言模型（Large Language Model），它属于人工神经网络，是一种凭借强大的通用语言生成及自然语言处理任务（如文本分类）能力而备受瞩目的语言模型。
GenAI（生成式人工智能）：GenAI即生成式人工智能（Generative Artificial Intelligence），也简称GAI 。它运用生成式模型，能依据提示语生成文本、图像、视频等各类数据。
GPT（生成式预训练变换器）：GPT即Generative Pre-trained Transformer，作为大语言模型的一种，是广为人知的GenAI技术，在语言处理方面表现卓越。
ChatGPT：这是OpenAI基于GPT技术开发的聊天机器人，专为对话场景优化，能与人自然流畅交流，解答问题、提供建议。
Autonomous Agent（自主型智能体）：自主型智能体可独立开展工作，具有主动性，不仅能主动和人类沟通，还会给出建设性意见，以高效达成工作目标。
chat模型：指自带聊天功能的模型，像Qwen/Qwen2.5 - 7B - Instruct、DeepSeek - R1等，能与人进行聊天互动。
Embedding模型：该模型将文本、图像等数据转化为低维向量，便于计算机理解分析，向量关系反映数据间相似性。
4.2 开源语言模型发布平台
Hugging Face Hub：https://huggingface.co 这是世界最大的开源 AI 模型发布平台，可以看做ML的github；
https://ollama.com：开源的LLM服务包括模型和工具，工具提供与OpenAI兼容的API。
https://www.modelscope.cn/home： 可以理解成中国版本的Hugging Face Hub