AI 的浪潮已悄然来临，今年的春节，最引人注目的不再是传统互联网的红包大战，而是 AI 公司的技术突破。
在春节临近之际，各大 AI 模型公司纷纷推出更新的模型和产品，其中最受瞩目的便是去年崭露头角的 DeepSeek（深度求索）。
DeepSeek-R1：低成本高性能引发行业地震
1月20日晚，DeepSeek 公司发布了推理模型 DeepSeek-R1 正式版。令人震惊的是，该模型以极低的训练成本，实现了不输 OpenAI 推理模型 o1 的性能，并且完全免费开源，直接引发了行业地震。这是国产 AI 首次在全球，特别是美国科技圈引起如此大的震动。开发者纷纷表示，正在考虑使用 DeepSeek 进行“重构”，这一浪潮下，DeepSeek 的移动端应用迅速登顶美区苹果应用商店免费 App 排行第一，超越了 ChatGPT 以及其他热门应用。
DeepSeek 的成功甚至影响了美股，它在没有使用巨量昂贵 GPU 的情况下训练出的模型，让人们重新思考 AI 的训练路径，直接导致 AI 芯片巨头英伟达股价一度下跌 17%。
Janus-Pro：多模态模型再掀波澜
1 月 28 日凌晨，除夕夜前一晚，DeepSeek 又开源了其多模态模型 Janus-Pro-7B，宣布在 GenEval 和 DPG-Bench 基准测试中击败了 DALL-E 3 和 Stable Diffusion。DeepSeek 似乎真的要“血洗” AI 圈，从推理模型到多模态模型，用 DeepSeek “重构一切” 成为蛇年开年的第一主题。
Janus Pro 的创新架构
DeepSeek 这次深夜发布了两个模型，Janus-Pro-7B 和 Janus-Pro-1B (15 亿参数)。这两个模型均是对 2024 年 10 月发布的 Janus 模型的升级。Janus 模型采用了创新的架构，将视觉编码进行解耦，分别编码特征，然后用同一个 Transformer 处理输入信号，提升了模型训练的灵活性，有效缓解了单一视觉编码导致的冲突和性能瓶颈。
Janus 模型指令跟随能力强，有多语言能力，能够理解 meme 图像，并能处理 latex 公式转换和图转代码等任务。而 Janus Pro 系列模型则通过对训练流程的改进，直接在基准测试中击败了 DALL-E 3 和 Stable Diffusion。
同时发布的还有 Janus Flow 新型多模态 AI 框架，旨在统一图像理解与生成任务。Janus Pro 模型能够使用简短提示提供更稳定的输出，具有更好的视觉质量、更丰富的细节以及生成简单文本的能力。它既可以生成图像，也可以对图片进行描述，识别地标景点、图像中的文字，甚至对图像中的知识进行介绍。
许多用户已经在社交媒体上试用了新模型，并分享了测试结果，例如图像识别和生成。
Janus Pro 在高精度读图方面表现出色，能够识别数学表达式和文字的混合排版，这为未来搭配推理模型使用提供了更大的可能性。
小参数量解锁新应用场景
在多模态理解任务中，Janus-Pro 采用 SigLIP-L 作为视觉编码器，支持 384 x 384 像素的图像输入。而在图像生成任务中，则使用一个来自特定来源的分词器。尽管图像规模尺寸仍然较小，但其创新意义不容忽视。
Janus Pro 的大尺寸模型只有 70 亿参数，而对比的 DALL-E 3 则有 120 亿参数。更令人惊喜的是，Janus Pro 的 1B 模型只有 15 亿参数，外网已经有用户将其添加到了 transformers.js，这意味着模型可以在 WebGPU 上的浏览器中 100％ 运行。
虽然目前笔者尚未成功在网页版上使用 Janus Pro 的新模型，但参数量小到可以在网页端直接运行，仍然是一项令人惊叹的进步。这意味着图片生成/图片理解的成本正在进一步下降，我们有机会在更多地方看到 AI 的应用，改变我们的生活。
2024 年的一大热点是多模态 AI 硬件如何介入我们的生活，而参数量越来越低的多模态模型，或许将推动 AI 硬件的进一步爆发。
DeepSeek 搅动新年
去年春节前后，OpenAI 的 Sora 模型曾搅动世界，而一年下来，中国公司已经在视频生成方面迎头赶上。今年，DeepSeek 则成为搅动世界的新力量。DeepSeek 并非传统的科技公司，但其以远低于美国大模型公司的成本，做出了创新模型，让美国同行感到震动。
DeepSeek 使用 560 万美元的训练成本就“破解”了 OpenAI 的推理模型，这引发了美国科技公司的巨大压力。OpenAI 首席执行官 Sam Altman 也不得不出来回应。
2025 年，会是中国 AI 冲击美国认知的一年吗？DeepSeek，手中还藏着什么秘密？这注定是一个不平凡的春节。
极客一问
今天你 DeepSeek 了吗？
