🍹 Insight Daily 🪺
Aitrainee | 公众号：AI进修生
Hi，这里是Aitrainee，欢迎阅读本期新文章。
DeepSeek又来了，R1的热度还没过，Janus-Pro就接着来了。 此前Deepseek的服务器还一度卡到宕机。Cline 官推了多条帖子。
这次的Janus-Pro是个能统一多模态理解和生成的框架，很有意思。
把视觉编码分成不同路径，但用同一个Transformer处理。这样既解决了视觉编码器在理解和生成时的冲突，又让整个框架更灵活。
性能也很亮眼，超越了之前的统一模型，匹配或超过了任务专用模型。
简单、灵活、高效，这可能就是下一代统一多模态模型的样子。
DeepSeek 发布了 7B 和 1B 两个版本。
Janus Pro 7B的表现很惊艳。理解和生成两个任务，一个模型就能完美处理。 这里你可以看到 Janus Pro 7B 的表现优于另一个多模态开源模型 Lava，在与 Stable Diffusion、DI 3、SDXL 等模型的对比中，Janus Pro 7B 也占据了领先位置。
GenEval和DPG-Bench的数据分别达到了80%和84.2%的准确率。 图像生成能力的进步更明显。看看这些样例：咖啡杯的细节、红酒杯的反光、向日葵上的蜜蜂，每一张都比前代更真实，更细腻。黑板上的文字清晰呈现。
Janus Pro 使用自回归 Transformer 进行理解，其处理流程包括编码器和文本分词器，输出为文本。而在图像生成中，则使用文本分词器、生成编码器和图像解码器来完成解码。这个模型在图像理解与生成的双重任务上表现优异。
为了实现多模态理解，Janus Pro 使用了 DeepSeek V2，并训练了约 9000 万条数据样本。这些数据包括图像描述数据集、表格数据、图表数据，以及文档理解等内容。
而在视觉生成方面，他们加入了 7200 万条合成美学数据样本。模型在合成数据上的训练收敛速度更快，输出稳定性和美学质量得到了提升。
官方的一些实际效果演示：详细场景描述、地标识别、文本识别，以及准确的常识推理等任务都得到了良好表现。
例如，它可以介绍蛋糕的背景故事并准确识别其信息。海岸风景的细节描述、杭州西湖的地标识别、Tom and Jerry蛋糕的背景故事，都理解得很到位。
此外，该模型支持文本生成图像功能，生成的图像效果不错，从金毛犬到麦田少女，从水滴到石桥。这就是一个7B模型能达到的效果。
网友也分享了实践：
模型代码在GitHub：https://github.com/deepseek-ai/Janus，模型在Hugging Face：https://huggingface.co/deepseek-ai/Janus-Pro-7B。本地部署也很简单，Gradio界面或FastAPI都可以。
除了这个新模型消息以外，此前有网友调侃R1发布之后Sam对此的态度：
不过，就在今天Altman也终于公开发表了对R1的看法，这番表态很有意思。 承认DeepSeek R1的实力，特别是它的性价比；这种公开认可，显示了开源模型的崛起已经不容忽视。
另一方面，他巧妙地转向了OpenAI的技术路线图，强调"更多计算力"的重要性。这暗示了两点：一是OpenAI在算力资源上的优势；二是下一代模型可能需要更大规模的训练。 特别值得注意的是他提到"世界将会想要使用大量的AI"。这表明AI的应用场景正在快速扩张，市场需求远未饱和。而"对下一代模型感到惊讶"这句话，则暗示了技术突破可能即将到来。 从"令人振奋的竞争"到"下一代令人惊讶的模型"，再到AGI愿景，字里行间透露出一个信号：AI竞赛正在加速，而这对整个行业都是好事。 现在，网上有张梗图被传疯了：
- 美国的龙表情凶狠，象征其进取性和强大的技术输出。
- 中国的龙表情强硬且自信，暗指其技术领域的快速崛起和独立发展。
- 欧洲的龙（Mistral）则有一个滑稽、呆滞的表情，结合瓶盖图片，调侃欧洲在这一领域的“跟不上”或保守态度。
除了上面模型外，一个更大的消息是：这个除夕夜，AI行业上演了一出惊心动魄的大戏。
先是英伟达股价暴跌17%，一夜蒸发6000亿美元市值，创下美股史上单个公司最大市值损失纪录。
这个跌幅超过了此前Meta和苹果创下的纪录，损失金额甚至超过可口可乐和雪佛龙的市值总和。连带效应下，以科技股为主的纳斯达克综合指数跌3.1%，其他科技巨头也都受到重创。
更具讽刺意味的是，就在一周前，英伟达还在庆祝超越苹果成为全球市值第一。如今，不仅公司市值大跌，CEO黄仁勋的个人财富也在一夜之间缩水210亿美元，全球富豪榜排名骤降至第17位。
一些观点指明，这场地震的震源是DeepSeek。他们只用了600万美元、两个月时间、性能受限的H800芯片，就开发出了突破性的AI模型。这直接挑战了传统的高投入模式：谷歌、Meta等巨头为训练AI投入数十亿美元购买顶级GPU，这种烧钱方式还有必要吗？
市场用脚投票，但分析师们极力反驳"GPU需求见顶论"。微软CEO纳德拉更是搬出了Jevons悖论：随着AI变得更高效、更便宜、更易获取，其使用量反而会出现井喷式增长，成为难以满足的"新型必需品"。
有一条帖子表示：GPU需求只会上涨，不会下降。这是显而易见的趋势。
OpenAI依然强大，但开源阵营和中国团队的进步超出预期。差距，比想象中小得多。 主流媒体的报道充满误导。似乎有人在刻意制造混乱？这让整个讨论变得更加扑朔迷离。
但有一点是确定的：DeepSeek开源R1，是送给开发者的一份大礼。这不只是一个模型的开源，而是整个AI进程的加速器。 我们现在的时间线上有很多多困惑和不确定。 这或许就是变革时刻的特征。 有观点认为，这或许不仅仅是一次股灾，而是AI行业的重要转折点。就像个人电脑从昂贵的商用机器变成家用必需品，AI也在经历从"奢侈品时代"向"大众消费时代"的转型。DeepSeek的创新打破了成本壁垒，可能重构整个行业的竞争格局。
当AI真正进入平民化时代，需求的爆发可能超出市场想象。
此外，还有关于美股因DeepSeek事件蒸发2万亿美元的说法，引发了热议，有人认为这一逻辑并不成立。
一个百人团队的产品就让美股蒸发2万亿美元，这个逻辑确实说不通。 DeepSeek的R1再强，也不至于让英伟达暴跌17%。 这更像是华尔街惯用的"借题发挥"：DeepSeek开源模型的出现，可能只是一个导火索，而真正的原因是市场对AI板块估值的重新审视。毕竟，前期AI概念股的涨幅实在太疯狂了。 所以与其说是DeepSeek撼动了市场，不如说是华尔街借机进行了一次久违的"估值修正"。
吴恩达教授也发布了条帖子：
DeepSeek引发的股市震荡，其实在讲一个更大的故事。 基础模型层的竞争越激烈，应用层的机会就越大。当V3和R1这样的模型打破成本壁垒，真正的价值就转向了应用创新。
基础模型的竞争会越来越白热化，但这恰恰为应用开发者创造了最好的土壤。就像Unix之于操作系统，开放的基础设施总是能催生更多创新。 现在，AI应用开发者的春天，可能真的要来了。
DeepSeek R1发布4天了，大家都在用它做什么？R1+Sonnet 在Aider获得 64.0% SOTA得分！
以上。
🌟 知音难求，自我修 炼亦艰， 抓住前沿技术的机遇，与我们一起成为创新的超级个体 （把握AIGC时代的个人力量）。