Нямат спиране: Нашумелият стартъп DeepSeek представи Janus Pro за генериране на изображения

Стартъпът DeepSeek представи новата фамилия мултимодални модели Janus Pro, за които заявява, че могат да се конкурират с DALL-E 3 на OpenAI в генерирането на изображения. Компанията пусна серия от модели, включващи между 1 и 7 милиарда параметри едновременно, при това под безплатния MIT лиценз, така че разработчиците могат да прилагат алгоритмите безплатно. DeepSeek твърди, че Janus Pro може не само да генерира, но и да анализира графиката, и нарича своето решение универсален инструмент.

Флагманският модел Janus Pro 7B е преминал тестовете GenEval и DPG-Bench, при които според DeepSeek е надминал конкурентите си, включително PixArt-alpha и Stable Diffusion XL.

„Janus Pro превъзхожда предишните универсални модели и е сравним и дори по-добър от високоспециализираните решения на другите компании. Простотата, гъвкавостта и ефективността превръщат нашия ИИ модел в кандидат за следващото поколение мултимодални системи“, се казва в изявление на компанията.

Janus Pro е ограничен до разделителна способност от 384×384 пиксела, но създателите наричат тези цифри впечатляващи за едно толкова компактно решение.

Разработчиците подчертават, че фамилията Janus съдържа от 1 до 7 млрд. параметъра, а техният брой влияе върху точността на разпознаване и качеството на резултата. Моделите с над 5 млрд. параметъра, според стартъпа, анализират по-добре детайлите и създават по-точни изображения. Авторите смятат, че този баланс между производителност и размер ще позволи на Janus Pro да се прилага в проекти, които изискват компактна и бърза невронна мрежа.

DeepSeek привлече вниманието на обществеността, когато неговият чатбот се изстреля на първо място в списъка с най-популярните приложения в Apple App Store. Компанията е финансирана от High-Flyer Capital Management, която е специализирана в алгоритмичната търговия. Успешният старт на езиковите модели на DeepSeek накара някои експерти да се запитат дали САЩ могат да запазят лидерската си позиция в разработването на усъвършенствани алгоритми в условията на нарастваща конкуренция.

Някои експерти също така поставиха под въпрос дали търсенето на високопроизводителни ИИ чипове ще остане все така силно, ако основните играчи възприемат по-енергийно ефективни техники. DeepSeek подчертава, че Janus Pro е обучен при намалена консумация на изчислителни ресурси и счита това за едно от основните предимства на своите модели.

В резултат на това Janus Pro може да се превърне в основа за следващото поколение мултимодални системи, тъй като кодът с отворен код и гъвкавата архитектура улесняват интегрирането на изкуствения интелект в комерсиалните проекти. Експертите смятат, че комбинацията от анализ и генериране, макар и с настоящите ограничения на резолюцията, дава на продукта на DeepSeek конкурентно предимство на пазара.

Събитията в тази сфера започнаха да се появяват много бързо и навярно този китайски стартъп ще покаже още нещо.