Telegram Web Link
对自己都这么狠
😁64🤯11🤣10👍3💯1
所以是谁从几天前就开始对 DeepSeek 搞 DDoS 攻击呢 🤔
👀44👍2
😁48👍3👏1
恢复了!
👍13🔥3🥰1😁1
不存在的世界
恢复了!
捏麻麻的又炸了!
还行,部分炸
😱15😢2
发现百度的热搜榜完全没有 DeepSeek
😁84🤡17👍1
拆了家里十年前的老电脑,发现了一堆古董货
🤣61😁12👎2👍1🤨1
坏了,美国人醒了
😁36🤡7👍1
不存在的世界
所以是谁从几天前就开始对 DeepSeek 搞 DDoS 攻击呢 🤔
捏麻麻的,DDoS 流量怎么都干到 0.4 个 T 了 😡
👎1
草 CNBC 草
🤣18
Forwarded from 财经慢报
DeepSeek 于服务状态页面公告,目前仅限中国大陆手机号注册。
🤣451
多模态模型这不就来了
👀26🆒14
-17.45%
🍾42😁122
Forwarded from Memordust
DeepSeek发布统一图像理解与生成的Janus-Pro系列模型

1月27日晚,DeepSeek发布了Janus-Pro系列,旨在统一图像理解和生成,并将其整合在单个模型中。该模型框架采用极简架构,将自回归语言模型与生成建模领域的前沿方法Rectified Flow相结合。

涩橘的Telegram频道,Rectified Flow可以直接在大型语言模型框架内进行训练,无需复杂的架构修改。JanusFlow是一个支持图像多模态的LLM,参数量为70亿(7B),方便本地运行。训练方式采用传统的预训练和SFT,未使用强化学习。根据现有信息,JanusFlow在性能上超越了同参数量的其他模型。目前,线上Playground尚未开放,技术报告也暂未上传。据分析,JanusFlow旨在实现大模型视觉生成的端到端处理,相较之前的版本有所改进,但在图像生成质量上与专门的图像生成模型(如Stable Diffusion)相比仍有差距。模型输入输出分辨率为384x384。推测其技术实现可能整合了Rectified FlowSigLIPSDXL-VAE的架构,并将其集成到Transformer的解码器/编码器中,进行联合训练以对齐语义向量。虽然该成果的震撼程度不及V3和R1等重大突破,但仍然值得期待其未来的发展。

DeepSeek推动持续创新,即使在除夕也有新成果发布,展现了其强大的研发能力。虽然目前的JanusFlow在图像生成方面并非顶尖水平,但它为未来更大规模的多模态模型探索了道路,并为其他模型设定了新的基准。

#DeepSeek #多模态 #图像生成 #人工智能
👍35💩41
2025/07/09 02:01:16
Back to Top
HTML Embed Code: