AIwiki

Janus

ファインチューニング
開発者
DeepSeek AI
ライセンス
MIT
リリース日
2024/10/1
対応言語
en, zh
知識カットオフ
2025-Q1
ベースモデル
deepseek-llm
officialmultimodalimage-generationimage-understandingunifiedopen-source

DeepSeek AIの統合マルチモーダルモデル。画像理解と画像生成を単一モデルで実現。2024年10月にJanus公開、2025年1月にJanus-Pro公開。分離型ビジュアルエンコーディング（理解: SigLIP-L、生成: VQトークナイザー）を採用。Janus-Pro-7BはGenEval 80.0%でDALL-E 3（67%）を上回る。MITライセンス。

HuggingFace論文GitHub

ベンチマーク

geneval-pro-7b
80
dpg-bench-pro-7b
84.2
mmbench-pro-7b
79.2

ソース: https://arxiv.org/abs/2501.17811

技術仕様

アーキテクチャ

Unified multimodal Transformer, Decoupled visual encoding, Understanding: SigLIP-L vision encoder (384x384), Generation: VQ tokenizer (downsample rate 16)

パラメータバリエーション

Janus-1.3B(1.3B)

HuggingFace

1.3B軽量版。画像理解と生成の両方に対応。

VRAM4GB

GGUFファイルは登録されていません

Janus-Pro-1B(1B)

HuggingFace

1B Pro軽量版。2025年1月公開。

VRAM3GB

GGUFファイルは登録されていません

Janus-Pro-7B(7B)

HuggingFace

7B Proフルサイズ版。GenEval 80.0%でDALL-E 3を上回る。

VRAM17GB

GGUFファイルは登録されていません

関連モデル

DeepSeek-LLM

4 バリエーション

DeepSeek-Coder

7 バリエーション

DeepSeekMoE

2 バリエーション

DeepSeek-Math

3 バリエーション

DeepSeek-VL

2 バリエーション

DeepSeek-V2

4 バリエーション

DeepSeek-Coder-V2

4 バリエーション

DeepSeek-Prover

1 バリエーション

DeepSeek-V2.5

1 バリエーション

DeepSeek-V3

2 バリエーション

DeepSeek-VL2

3 バリエーション

DeepSeek-R1

8 バリエーション

DeepSeek-R1-0528

1 バリエーション

DeepSeek-V3.1

1 バリエーション

DeepSeek-Prover-V2

2 バリエーション

DeepSeekMath-V2

1 バリエーション

DeepSeek-V3.2

1 バリエーション

家系図

現在のモデル: Janus