DeepSeek 开源多模态大模型 Janus-Pro-7B，一键完成图像理解 & 文生图

Janus-Pro 是一种新颖的自回归框架，它统一了多模态理解和生成，由中国 AI 企业 DeepSeek 于 2025 年开发的开源多模态大模型，它通过将视觉编码解耦到单独的路径来解决以前方法的局限性，同时仍然使用单一的、统一的转换器体系结构进行处理。这种解耦不仅缓解了视觉编码器在理解和生成方面的冲突，而且增强了框架的灵活性。
教程链接：https://go.openbayes.com/fwyRp

使用云平台：OpenBayes
http://openbayes.com/console/signup?r=sony_0m6v

登录 http://OpenBayes.com，在「公共教程」页面，选择键部署 「一键部署 Janus-Pro-7B」教程。

页面跳转后，点击右上角「克隆」，将该教程克隆至自己的容器中。

选择「NVIDIA GeForce RTX 4090」以及「PyTorch」镜像，OpenBayes 平台上线了新的计费方式，大家可以按照需求选择「按量付费」或「包日/周/月」，点击「继续执行」。可以使用文章开头的邀请链接，获得 RTX 4090 使用时长！

稍等片刻，待系统分配好资源，当状态变为「运行中」后，点击「API 地址」边上的跳转箭头，即可跳转至 Demo 页面。

Janus-Pro-7B 有 2 个功能，分别为图像理解和文生图。
图像理解：
点击「Multimodal Understanding」，上传一张图片，在「Question」处输入想要模型回答的问题，最后点击「Chat」生成。

可以看到模型很快给出了准确的回答。

文生图：
点击「Text-to-lmage Generation」，在「Prompt」处输入文本提示词（A cute and adorable baby fox with big brown eyes, autumn leaves in the background enchanting,immortal,fluffy, shiny mane,Petals,fairyism,unreal engine 5 and Octane Render,highly detailed, photorealistic, cinematic, natural colors.），最后点击「Generate Images」生成。

模型也很快地根据我们的提示词生成了图像。