英伟达市值蒸发近60：00亿美元, 而DeepSe、ek刚、刚又开。源新模型

机器之心报道

龙年即将结束，但有些股民可能无心过春节了。受低成本推理模型DeepSeek-R1热潮影响，美股昨日开盘后迎来重挫。

周一，英伟达市值大幅下跌，损失接近6000亿美元，创下美国历史上公司单日市值最大跌幅。此次股价暴跌幅度达17%，最终收盘价为118.58美元。

上周，英伟达才刚刚超越苹果，成为全球市值最高的上市公司。此次股价暴跌直接导致纳斯达克指数下滑了3.1%。

另一家依赖AI获得巨额市值增长的美国大型芯片制造商Broadcom，周一跌幅则达到17%，市值蒸发了2000亿美元。

此次抛售的原因，主要是源于中国人工智能实验室DeepSeek带来的全球AI竞争压力飙增的担忧。去年12月，DeepSeek发布了一个免费的开源大语言模型——DeepSeek-V3，训练成本仅仅为558万美元，并表示该模型只用了两个月时间完成，使用的还是英伟达的低能力版芯片H800。

反观Alphabet、Meta和亚马逊等科技巨头，为训练和运行AI模型，花费了数十亿美元用于购买英伟达最前沿基础设备。

将开源进行到底，Janus-Pro问世

在美股一片惨嗥的同时，DeepSeek再接再厉继续开源，发布了视觉模型Janus-Pro。该模型是去年10月发布的Janus的升级版，在质量上实现了飞跃式提升。与此同时，DeepSeek还发布了一款多模态理解模型JanusFlow-1.3B。

Janus-Pro

JanusPro是基于之前的Janus开发的高级版。整体而言，JanusPro实现了三大改进：训练策略优化、训练数据扩展、扩展到了更大模型。有了这些改进，JanusPro在多模态理解和文生图指令遵从能力都收获了显著提升——在多个基准上超越了DALL-E3与StableDiffusion，同时文生图的稳定性也得到了加强。此次，DeepSeek一次性发布了7B和1B两个版本。

刚刚注册帐号的DeepSeek创始人梁文峰（目前还无法验证该帐号的真实性）也宣布了此消息。

已经有不少网友尝试过该模型了，比如生成一个看起来像网球的小鸟，绒毛形态十分逼真。

或者由「美丽的汉字」五个字符组成的图画：

这个同时兼具视觉理解和生成的模型着实再一次震惊了中外AI社区，毕竟这个表现如此卓越的模型仅有7B大小！

论文标题：Janus-Pro:UnifiedMultimodalUnderstandingandGenerationwithDataandModelScaling

7B版本：https://huggingface.co/deepseek-ai/Janus-Pro-7B

1B版本：https://huggingface.co/deepseek-ai/Janus-Pro-1B

HuggingFace试用链接：https://huggingface.co/spaces/deepseek-ai/Janus-Pro-7B

DeepSeek如今正将其影响力从语言处理，扩展到计算机视觉领域。据随模型发布的技术论文介绍，JanusPro7B在效率和多功能性方面经过精心设计，能够在一系列视觉任务中表现出色：从生成逼真的图像到执行复杂的视觉推理任务。

Janus-Pro与其前身Janus在文本生成图像方面的对比

DeepSeek还展示了JanusPro7B的性能指标。（左）JanusPro7B在比其他多模态大模型参数更少的情况下，依然实现了较高的性能。（右）该模型在文本生成图像基准测试中也取得了最高的准确率，超越了竞争对手（包括DALL・E3和SD3-Medium）。

Janus-Pro的多模态理解与视觉生成结果

DeepSeek研究团队在他们的论文中表示：「JanusPro是一个高效的视觉模型系列，旨在实现性能与计算成本之间的平衡，能够在广泛的视觉任务中实现最先进的性能。」

以下为JanusPro在多模态任务中的优良表现：

图片描述

1.JanusPro架构

对效率的强调是JanusPro7B区别于其他大规模、高资源需求AI模型的关键优势。与一些最大且最耗资源的AI模型不同，JanusPro7B通过其70亿参数设计，能够提供高水平的性能，同时避免了对庞大计算资源的需求。

Janus-Pro的架构与Janus相同。如下图所示，整体架构的核心设计原则是将多模态理解与生成的视觉编码解耦。研究者应用独立的编码方法将原始输入转换为特征，这些特征随后由一个统一的自回归Transformer处理。

Janus-Pro架构

2.训练策略优化

Janus的前一个版本采用了三阶段训练过程：

阶段I：重点训练适配器和图像头。

阶段II：进行统一预训练。在此过程中，除理解编码器和生成编码器外，所有组件的参数都会被更新。

阶段III：进行监督微调。在阶段II的基础上，进一步解锁理解编码器的参数。

然而，这种训练策略存在一些问题。通过进一步的实验，DeepSeek研究团队发现这一策略并不最优，并导致了显著的计算效率低下。

为解决此问题，他们在原有基础上进行了两项修改：

在阶段I延长训练时间：研究者增加了阶段I的训练步数，以确保在ImageNet数据集上得到充分的训练。他们经过研究发现，即使固定了大语言模型（LLM）的参数，该模型仍能有效地建模像素间的依赖关系，并根据类别名称生成合理的图像。

在阶段II进行重点训练：在阶段II中，研究者去除了ImageNet数据，直接使用标准的文本生成图像数据来训练模型，从而使模型能够基于详细的描述生成图像。这种重新设计的方法使得阶段II能够更高效地利用文本生成图像的数据，并显著提高了训练效率和整体性能。

3.数据扩展

研究团队在Janus的训练数据上进行了扩展，涵盖了多模态理解和视觉生成两个方面：

多模态理解：对于阶段II的预训练数据，参考DeepSeek-VL2，并增加了大约9000万条样本。样本包括图像标注数据集，以及表格、图表和文档理解的数据。

视觉生成：前一个版本的Janus使用的真实世界数据质量较差，且包含大量噪声，导致文本生成图像时不稳定，生成的图像质量较差。在Janus-Pro中，研究者加入了大约7200万条合成的美学数据样本，在统一预训练阶段，真实数据和合成数据的比例为1:1。

4.模型扩展

前一个版本的Janus通过使用1.5B的大语言模型（LLM）验证了视觉编码解耦的有效性。在Janus-Pro中，研究团队将模型扩展至7B，并在其中详细列出了1.5B和7BLLM的超参数（见下表）。

他们观察到，当扩大LLM的规模时，无论是在多模态理解还是视觉生成任务中，损失函数的收敛速度相比于较小的模型都会有显著的提升。

这个发现进一步验证了该方法的强大可扩展性。

Janus-Pro架构配置

Janus-Pro训练的详细超参数

JanusFlow-1.3B

在发布JanusPro的同时，DeepSeek还发布了一个多模态理解模型JanusFlow-1.3B。从名字也能看出来，参数量同样不高。

据介绍，JanusFlow是一个将图像理解和生成统一在一个模型中的强大框架。其引入了一种极简主义架构，将自回归语言模型与校正流（rectifiedflow，一种生成建模的SOTA方法）相结合。

JanusFlow的架构

DeepSeek研究表明，校正流可以在大型语言模型框架内直接训练，无需进行复杂的架构修改。为了进一步提高统一模型的性能，他们还采用了两种关键策略：一是将理解和生成编码器解耦，二是在统一训练期间对齐它们的表征。

事实上，JanusFlow的研究论文早在去年11月就已经发布。

论文标题：JanusFlow:HarmonizingAutoregressionandRectifiedFlowforUnifiedMultimodalUnderstandingandGeneration

当时的实验结果表明，JanusFlow在不同的领域中都实现了与专门模型相当或更优异的性能，同时在标准基准上明显优于现有的统一方法。因此，可以说，这项研究代表着向更高效和多功能的视觉语言模型迈出的重要一步。下图展示了其一些基准测试结果数据以及生成结果。

DeepSeek两连击：提升市场焦虑与竞争压力

JanusPro7B的发布引发了不少讨论，比如VentureBeat认为：「JanusPro7B的发布时机放大了其影响力。这是紧随R1模型和随之而来的市场动荡之后，它强化了这样的叙事：DeepSeek是能够颠覆AI既定秩序的创新者。」

该媒体还认为：「JanusPro7B的开源性质会加剧这种颠覆。与之前的开源运动一样，这会让人们更容易使用高级AI。大型科技公司以外的企业将受益：无需供应商锁定或高额费用即可获得顶级AI。对于AI巨头来说，DeepSeek构成了直接威胁：他们的专有高级模型能否在免费、高质量的替代品面前生存下来？当前的股市抛售情况表明投资者对此表示怀疑。」

对于DeepSeek正在给AI社区以及投资市场带来的影响，你有什么看法，请与我们分享。

参考链接

（内容来源：东方网）