La familia Janus de DeepSeek representa un avance en inteligencia artificial multimodal, integrando texto e imágenes en un único modelo autoregresivo.
Este conjunto de modelos, compuesto por Janus, Janus-Pro y JanusFlow, ofrece un marco unificado para la comprensión y generación de contenido multimodal, superando las limitaciones de los enfoques tradicionales.
Janus introduce una arquitectura innovadora que «desacopla» la codificación visual en rutas separadas para comprensión y generación.
Este enfoque permite una mayor flexibilidad y precisión en tareas multimodales, unificando el procesamiento de texto e imágenes en un solo transformer. Con esta estructura, Janus supera las limitaciones de los modelos anteriores, ofreciendo un rendimiento superior en tareas complejas.
Janus-Pro es la evolución avanzada del modelo base, diseñada para llevar la generación de imágenes a partir de texto al siguiente nivel.
Gracias a un entrenamiento optimizado, un conjunto de datos ampliado y escalabilidad (disponible en versiones de 1B y 7B parámetros), Janus-Pro mejora significativamente la estabilidad y la capacidad de seguir instrucciones.
Sus resultados en benchmarks demuestran un rendimiento sobresaliente, compitiendo con modelos especializados de última generación.
JanusFlow combina el modelo autoregresivo con la técnica de rectified flow, simplificando el proceso de transformación de representaciones latentes en imágenes de alta calidad. Esta innovación permite una generación de imágenes más eficiente y coherente, sin necesidad de modificaciones arquitectónicas complejas.
La familia Janus es de código abierto, bajo licencia MIT, lo que permite a la comunidad de desarrolladores y empresas aprovechar y ampliar estas tecnologías de forma colaborativa.