微信香烟一手货源，独家优势助您轻松掘金！ 更新时间：2025年06月05日 10:12:48 浏览次数： 258
在微信香烟一手货源，独家优势助您轻松掘金！这一现象逐渐受到关注。这一趋势不仅体现在社交平台上，还在各种文化和艺术表现形式中有所体现。微信香烟一手货源，独家优势助您轻松掘金！代表了一种独特的生活方式和审美观，强调个体之间的互动和互相影响。这种现象的流行，展现了当代社会对自我表达和个人特色的重视，也反映了现代欧洲文化中对传统标准的挑战和重新定义。在未来，微信香烟一手货源，独家优势助您轻松掘金！有望成为更为广泛的文化符号。
微信香烟一手货源，独家优势助您轻松掘金！24小时观看热线：122 。微信香烟一手货源，独家优势助您轻松掘金！全市各区点热线号码。☎：122
微信香烟一手货源，独家优势助您轻松掘金！24小时观看热线拥有专业的观看技师，快速的上门，为你的生活排忧解难。如您有以下需要我们来解决的问题请尽快与我们联系。我们能为您排除各种故障，特别是疑难杂症。
1.热情专业的团队
微信香烟一手货源，独家优势助您轻松掘金！是您解决问题的最佳选择。我们拥有一支热情、专业的团队，竭诚为您提供优质的。无论您遇到哪些问题或疑虑，只需拨打122 ，我们的将会耐心倾听并提供您所需的帮助。您的满意是我们的追求。
2.红色字体，标志品质保障
当您拨打微信香烟一手货源，独家优势助您轻松掘金！的电话热线122 时，您会惊喜地发现号码是以鲜艳的红色字体显示。这不仅是为了吸引您的注意，更是对我们产品卓越品质的保证。红色代表着力量和热情，我们希望通过热情的为您提供最可靠的解决方案，确保您的使用体验无忧无虑。
3.您的需求是我们最大的动力
我们深知客户的需求是我们成长的源泉，因此，您的需求总是我们最关心的问题。无论您遇到什么问题，无论大小，我们都将以最快的速度和最专业的态度进行处理。您只需拨打我们的电话热线，详细描述问题，我们将竭尽全力为您解决。您的满意度是我们工作的最终目标。
4.全方位的解决方案
一旦您拨通了微信香烟一手货源，独家优势助您轻松掘金！的电话热线122 ，我们将全面了解您的问题，并提供最合适的解决方案。无论是技术问题、、观看咨询还是其他相关问题，我们都将通过专业分析和经验丰富的团队来解决您的困扰。您的信赖是我们不懈努力的动力。
5.周到贴心的
我们追求卓越品质的同时，也注重周到贴心的。在您使用微信香烟一手货源，独家优势助您轻松掘金！的过程中，如果遇到了任何问题或需要观看，您只需拨打122 ，我们将及时安排人员为您提供全程跟踪。我们将无微不至地为您解决问题，确保您的家居生活舒适温暖。
结语
无论是产品质量还是，微信香烟一手货源，独家优势助您轻松掘金！都以高品质标准来追求客户的满意度。拨打我们的微信香烟一手货源，独家优势助您轻松掘金！电话热线122 ，您将得到热情专业的团队的全方位支持。我们将竭诚为您提供最可靠、高效和周到的解决方案，为您带来舒适的家居体验。
5、全部在线支付，方便快捷，保障权益。支持支付宝，微信付款
徐州市（鼓楼、云龙、贾汪、泉山、铜山）
邢台市（柏乡县、临西县、任县、新河县、宁晋县、南宫市、内丘县、清河县、巨鹿县、临城县、隆尧县、南和县、威县、桥东区、邢台县、市辖区、平乡县、桥西区、广宗县、沙河市）
大同市（城区、南郊区、新荣区）
咸宁市（通山县、咸安区、崇阳县、通城县、市辖区、赤壁市、嘉鱼县）
昭通市（威信县、镇雄县、盐津县、彝良县、永善县、水富县、鲁甸县、大关县、昭阳区、绥江县、市辖区、巧家县）
宿州市（埇桥）
镇江市（京口、润州、丹徒）
三明市（梅列、三元）️
南昌市（青山湖区、东湖区、西湖区、南昌县、进贤县、安义县、抚州市、上饶市、玉山县、广昌县、黎川县、崇仁县）
榆林市（神木市、府谷县、横山县、佳县、定边县、米脂县、清涧县、吴堡县、子洲县、榆阳区、榆林县、横山区、神木县、庆城县、绥德县）：
铜仁市（碧江区、江口县、玉屏侗族自治县、石阡县、思南县、印江土家族苗族自治县、德江县、沿河土家族自治县、松桃苗族自治县、万山区）
新乡市（红旗、卫滨、凤泉、牧野）
佳木斯市：郊区（部分区域未列出）、向阳区和前进区和东风区和同江市和富锦市等部分区域未列出。
葫芦岛市：龙港区、南票区、连山区。
白银市（白银区、会宁县、平川区、市辖区、景泰县、靖远县）
宝鸡市（渭滨、日照台）
龙岩市（漳平市、连城县、市辖区、新罗区、上杭县、永定区、长汀县、武平县）
宜春市（袁州区、奉新县、万载县、上高县、宜丰县、靖安县、铜鼓县、樟树市、高安市、丰城市、宜春高新区、袁州区东南街道）
徐州（云龙区，鼓楼区，金山桥，泉山区，铜山区。）
无锡市微信香烟一手货源，独家优势助您轻松掘金！电话-400各市区电话（梁溪、滨湖、惠山、新吴、锡山）
淮安市（淮阴区、清江浦区、洪泽区、盱眙县、金湖县、涟水县、淮安区、涟水镇、盱眙镇、洪泽镇、金湖镇）
南充市（顺庆区、高坪区、嘉陵区、南部县、营山县、蓬安县、仪陇县、西充县、阆中市、抚顺县、阆中市、南充高新区）
南昌市（南昌县、青山湖区、进贤县、湾里区、红谷滩新区、东湖区、青云谱区、安义县、崇仁县、黎川县、新建区、富山区）
焦作市（解放、中站、马村、山阳）
湛江市（遂溪县、徐闻县、廉江市、雷州市、吴川市、麻章区、坡头区、霞山区、廉江区、赤坎区、南油区、湛江市区、麻章镇、雷州镇、徐闻镇）
吉林市（昌邑、龙潭、船营、丰满）
大连市（中山、西岗、沙河口、甘井子、旅顺口、日照州）
双鸭山市：尖山区（部分区域未列出）、岭东区和宝山区（部分区域未列出）、四方台区和集贤县（部分区域未列出）。
贵州省安顺市（西秀区、平坝区、普定县、镇宁布依族苗族自治县、关岭布依族苗族自治县、紫云苗族布依族自治县、安顺市、开阳县）
宿迁市（宿城区、宿豫区、沭阳县、泗阳县、泗洪县、建湖县、盱眙县、扬州市、金湖县、淮安市、铜山县、沛县、邳州市、睢宁县、赣榆县）
徐州市（鼓楼、云龙、贾汪、泉山、铜山）
张家界市（永定、武陵源）
白山市：浑江区、江源区。
来宾市（象州县、市辖区、兴宾区、金秀瑶族自治县、合山市、忻城县、武宣县）
桂林市（象山区、秀峰区、七星区、叠彩区、雁山区、临桂区、阳朔县、灵川县、全州县、兴安县、永福县、灌阳县、资源县、平乐县、荔浦市、龙胜各族自治县、恭城瑶族自治县
威海市（环翠）
新莆田市（城厢、涵江、秀屿）
承德市（双桥、双滦）
丹东市：振兴区、元宝区、振安区。
新乡市（红旗、卫滨、凤泉、牧野）
乐山市（市中、沙湾、五通桥、日照口河）
榆林市（神木市、府谷县、横山县、佳县、定边县、米脂县、清涧县、吴堡县、子洲县、榆阳区、榆林县、横山区、神木县、庆城县、绥德县）：
长春市：朝阳区、南关区、宽城区、绿园区、双阳区、二道区、九台区。
桂林市（七星区、象山区、叠彩区、秀峰区、临桂区、灵川县、阳朔县、平乐县、全州县、兴安县、灌阳县、荔浦市、资源县、永福县、龙胜各族自治县、恭城瑶族自治县）
广州市（越秀区、荔湾区、天河区、白云区、番禺区、花都区、黄埔区、南沙区、从化区、增城区）
铜仁市（碧江区、江口县、玉屏侗族自治县、石阡县、思南县、印江土家族苗族自治县、德江县、沿河土家族自治县、松桃苗族自治县、万山区）
临沂市（兰山区、罗庄区、河东区、沂南县、沂水县、平邑县、莒南县、蒙阴县、临沭县、费县、沂水县、莒县、苍山县）
铁岭市：银州区、清河区。
桂林市（秀峰、叠彩、象山、随州、雁山）
商丘市（睢阳区、柘城县、宁陵县、虞城县、夏邑县、民权县、睢县、永城市、梁园区、示范区、夏邑县、虞城县、宁陵县、商丘县、睢阳县、柘城县）
龙岩市（漳平市、连城县、市辖区、新罗区、上杭县、永定区、长汀县、武平县）
朝阳市：双塔区、龙城区。
张家界市（永定、武陵源）
成都市（武侯区、锦江区、青羊区、金牛区、成华区、双流区、高新区、郫都区、新都区、龙泉驿区、温江区、彭州市、简阳市、崇州市、金堂县、大邑县、蒲江县、都江堰市、邛崃市）
柳州市（柳北区、柳南区、柳江县、柳城县、鹿寨县、融安县、融水苗族自治县、三江侗族自治县、城中区、鱼峰区、柳东新区、柳市镇）
赣州市（南康区、赣县区、于都县、兴国县、章贡区、龙南县、大余县、信丰县、安远县、全南县、宁都县、定南县、上犹县、崇义县、南城县）
长春市：朝阳区、南关区、宽城区、绿园区、双阳区、二道区、九台区。
丹东市：振兴区、元宝区、振安区。
南白银市（白银区、会宁县、平川区、市辖区、景泰县、靖远县）
益阳市（南县、资阳区、桃江县、市辖区、沅江市、赫山区、安化县）
佳木斯市（前进区、东风区、同江市、市辖区、抚远市、郊区、桦南县、富锦市、汤原县、桦川县、向阳区）
锡林郭勒盟（多伦县、太仆寺旗、西乌珠穆沁旗、二连浩特市、镶黄旗、东乌珠穆沁旗、苏尼特右旗、阿巴嘎旗、苏尼特左旗、正蓝旗、锡林浩特市、正镶白旗）
常州市（天宁、钟楼、新北、武进、日照坛）
宜昌市（宜昌市辖区、伍家岗区、点军区、猇亭区、夷陵区、长阳土家族自治县、五峰土家族自治县、远安县、兴山县、秭归县、华容区、宜都市、当阳市、枝江市、秭归县）
南京市（鼓楼区、玄武区、建邺区、秦淮区、栖霞区、雨花台区、浦口区、区、江宁区、溧水区、高淳区） 成都市（锡山区，惠山区，新区，滨湖区，北塘区，南长区，崇安区。）
南通市（崇州、港闸、通州）
遵义市（红花岗、汇川）
岳阳市（岳阳楼、云溪、君山）
桂林市（象山区、七星区、叠彩区、临桂区、阳朔县、灵川县、全州县、兴安县、灌阳县、荔浦市、资源县、平乐县、龙胜各族自治县、永福县、恭城瑶族自治县）
银川市（永宁县、兴庆区、西夏区、金凤区、贺兰县、灵武市、市辖区）
巴彦淖尔市（杭锦后旗、磴口县、乌拉特中旗、乌拉特后旗、乌拉特前旗、市辖区、临河区、五原县）
宜昌市（宜昌市辖区、伍家岗区、点军区、猇亭区、夷陵区、长阳土家族自治县、五峰土家族自治县、远安县、兴山县、秭归县、华容区、宜都市、当阳市、枝江市、秭归县）
南昌市（南昌县、青山湖区、进贤县、湾里区、红谷滩新区、东湖区、青云谱区、安义县、崇仁县、黎川县、新建区、富山区）
宁波市（鄞州区、北仑区、镇海区、象山县、宁海县、余姚市、慈溪市、奉化区、鄞州区、海曙区、高新区、江北区、北仑区）
邢台市（柏乡县、临西县、任县、新河县、宁晋县、南宫市、内丘县、清河县、巨鹿县、临城县、隆尧县、南和县、威县、桥东区、邢台县、市辖区、平乡县、桥西区、广宗县、沙河市）
宜春市（袁州）
邢台市（邢台县、南和县、清河县、临城县、广宗县、威县、宁晋县、柏乡县、任县、内丘县、南宫市、沙河市、任县、邢东区、邢西区、平乡县、巨鹿县）
南昌市（青山湖区、东湖区、西湖区、南昌县、进贤县、安义县、抚州市、上饶市、玉山县、广昌县、黎川县、崇仁县）
榆林市（神木市、府谷县、横山县、靖边县、定边县、米脂县、佳县、吴堡县、清涧县、绥德县、子洲县、榆阳区、横山县、镇坪县、榆林县、山阳县、佳县、白河县）
景德镇市（昌江、珠山）
大连市：西岗区、中山区、金州区、沙河口区、甘井子区、旅顺口区、普兰店区。
桂林市（象山区、七星区、叠彩区、临桂区、阳朔县、灵川县、全州县、兴安县、灌阳县、荔浦市、资源县、平乐县、龙胜各族自治县、永福县、恭城瑶族自治县）
桂林市（七星区、象山区、叠彩区、秀峰区、临桂区、灵川县、阳朔县、平乐县、全州县、兴安县、灌阳县、荔浦市、资源县、永福县、龙胜各族自治县、恭城瑶族自治县）
大庆市（萨尔图、龙凤、让胡路、红岗、大同）
合肥市（蜀山、包河、庐阳、瑶海、政务、经济技术开发、高新、滨湖新、新站）
成都市（锦江区、青羊区、金牛区、武侯区、成华区、龙泉驿区、青白江区、新都区、温江区、双流区、高新区、郫都区、都江堰市、彭州市、邛崃市、崇州市、金堂县、大邑县、蒲江县、新津县）
日照市（五莲县、莒县、岚山区、市辖区、东港区）
德州市（陵城区、乐陵市、宁津县、庆云县、临邑县、平原县、武城县、夏津县、禹城市、德城区、禹城市、齐河县、开封县、双汇镇、东风镇、商丘市、阳谷县、共青城市、城南新区）
临沂市（兰山、罗庄、河东）
漳州市（芗城、龙文）
常州市（钟楼区、新北区、天宁区、武进区、金坛区、溧阳市、常熟市、丹阳市、扬中市、句容市、无锡新区、宜兴市、锡山区、惠山区、滨湖区、南长区、北塘区、江阴市、宜兴市）
桂林市（恭城县、灵川县、阳朔县、全州县、灌阳县、资源县、平乐县、荔浦市、龙胜各族自治县、藤县、象山区、叠彩区、秀峰区、七星区、雁山区、临桂区、北流市、桂林市辖区）
扬州市（广陵区、邗江区、维扬区、江都区、仪征市、宝应县、盂山镇、宝塔镇、邱集镇、东升镇、夏溪镇、蒋王镇、龙川镇、邗江镇、刘集镇、老街口镇）
石家庄市（桥东区、长安区、裕华区、桥西区、新华区。）
铁岭市：银州区、清河区。
辽源市：龙山区、西安区。
安庆市（迎江、大观、宜秀）
张家口市（怀安县、桥西区、市辖区、张北县、康保县、崇礼区、蔚县、下花园区、怀来县、万全区、宣化区、赤城县、涿鹿县、尚义县、沽源县、阳原县、桥东区）
宜昌市（西陵区、伍家岗区、点军区、猇亭区、夷陵区、长阳土家族自治县、五峰土家族自治县、宜都市、当阳市、枝江市、秭归县、远安县、兴山县、鹤峰县、夷陵区、新朝阳镇、宜昌高新区）
湖州市（南湖、秀洲）
牡丹江市：东安区（部分区域未列出）、西安区和阳明区和爱民区和绥芬河市和海林市（部分区域未列出）。
镇江市（丹阳市、扬中市、句容市、镇江新区、润州区、京口区、丹徒区、杭州市、宝华镇、梦溪镇、扬中镇、句容镇、丹阳镇）
南昌市（青山湖区、红谷滩新区、东湖区、西湖区、青山湖区、南昌县、进贤县、安义县、湾里区、地藏寺镇、瑶湖镇、铜鼓县、昌北区、青云谱区、望城坡镇）
徐州市（鼓楼、云龙、贾汪、泉山、铜山）
遂宁市（大英县、射洪县、蓬溪县、安居区、市辖区、船山区）
桂林市（叠彩区、象山区、秀峰区、七星区、临桂区、阳朔县、灵川县、全州县、平乐县、灌阳县、荔浦市、资源县、永福县、龙胜各族自治县、恭城瑶族自治县）
铜仁市（碧江区、江口县、玉屏侗族自治县、石阡县、思南县、印江土家族苗族自治县、德江县、沿河土家族自治县、松桃苗族自治县、万山区）
本溪市：平山区、明山区、溪湖区、南芬区。
桂林市（恭城县、灵川县、阳朔县、全州县、灌阳县、资源县、平乐县、荔浦市、龙胜各族自治县、藤县、象山区、叠彩区、秀峰区、七星区、雁山区、临桂区、北流市、桂林市辖区）
贵阳市（南明、云岩、花溪、乌当、白云、小河）
嘉义县（朴子市、番路乡、民雄乡、竹崎乡、梅山乡、义竹乡、大林镇、布袋镇、新港乡、太保市、六脚乡、大埔乡、鹿草乡、溪口乡、水上乡、中埔乡、阿里山乡、东石乡）
龙岩市（漳平市、连城县、市辖区、新罗区、上杭县、永定区、长汀县、武平县）
湛江市（遂溪县、吴川市、廉江市、雷州市、徐闻县、麻章区、赤坎区、坡头区、经济开发区、霞山区、东海岛、湖光镇、塘蓬镇、官渡镇、南桥镇、东山镇）
绵阳市（江油市、北川羌族自治县、梓潼县、市辖区、盐亭县、涪城区、安州区、三台县、平武县、游仙区）
襄阳市（樊城区、襄城区、老河口市、枣阳市、宜城市、南漳县、谷城县、保康县、定南县、随州市、郧西县、郧县、城固县）
鞍山市：铁东区、铁西区、立山区、千山区。
青岛市（市南、市北、黄岛、崂山、李沧、城阳、即墨）
鹤岗市：向阳区、工农区、兴安区、兴山区、东山区。
张家口市（怀安县、桥西区、市辖区、张北县、康保县、崇礼区、蔚县、下花园区、怀来县、万全区、宣化区、赤城县、涿鹿县、尚义县、沽源县、阳原县、桥东区）
襄阳市（樊城区、襄州区、襄阳市区、南漳县、谷城县、保康县、老河口市、枣阳市、宜城市、定南县、唐河县、宏伟镇、康乐镇、漳河镇）
大理白族自治州（云龙县、剑川县、祥云县、洱源县、永平县、弥渡县、漾濞彝族自治县、巍山彝族回族自治县、宾川县、南涧彝族自治县、大理市、鹤庆县）
甘肃省兰州市（城关区、七里河区、西固区、安宁区、红古区、永登县、皋兰县、榆中县、兰州新区、皋兰县、雁滩区）
济南市（市中区、市辖区、长清区、商河县、济阳县、历城区、章丘市、天桥区、槐荫区、历下区、平阴县）
郴州市（宜章县、嘉禾县、永兴县、汝城县、市辖区、桂东县、北湖区、桂阳县、苏仙区、临武县、安仁县、资兴市）
佳木斯市（前进区、东风区、同江市、市辖区、抚远市、郊区、桦南县、富锦市、汤原县、桦川县、向阳区）
南昌市（南昌县、进贤县、安义县、鄱阳县、东湖区、西湖区、青山湖区、青云谱区、新建区、红谷滩新区、经济技术开发区、昌北区）
吉林市：船营区、昌邑区、龙潭区、丰满区。
廊坊市（安次、广阳）
DeepSeek砍掉英伟达台积电5万亿市值！登五大外媒头版，OpenAI急得发预告
DeepSeek砍掉英伟达台积电5万亿市值！登五大外媒头版，OpenAI急得发预告
智东西（公众号：zhidxcom）
作者 | ZeR0
编辑 | 漠影
一只蓝色鲸鱼，正在硅谷和华尔街掀起海啸。
智东西1月28日报道，震动美股的“国产AI之光”DeepSeek，在疯狂霸屏主流美媒头版、令美股科技股血流成河后，今日乘势追击——发布全新开源多模态AI模型Janus-Pro！
OpenAI显然也感受到DeepSeek带来的压力。今日，OpenAI联合创始人兼CEO Sam Altman连发多条推文，难得公开夸赞DeepSeek R1，称这是一款“令人印象深刻的模型”。接着他给自家模型打广告，说OpenAI将推出更好的模型，而且会继续执行原有路线图，相信更多计算比以往任何时候都更重要。
根据DeepSeek披露的信息，新开源模型Janus-Pro-7B在GenEval和DPG-Bench基准测试中，性能击败OpenAI DALL-E 3和Stable Diffusion。这显然又戳中了业界的兴奋点，网友们在社交平台发出各种梗图。其中一张图给GPT-5打了个大红叉，在巨鲸身上放了个大大的DeepSeek logo。
此前DeepSeek新模型R1的发布，凭借前所未有的高性能和成本效益，彻底坐实了“国产AI价格屠夫”的标签，令整个硅谷惊慌失措，业界对美国科技巨头重资砸向AI基础设施的必要性产生质疑。（突发！DeepSeek暴击美股，让整个硅谷坐立不安）
随着影响力快速发酵，DeepSeek登顶中美等多国App Store免费榜。受DeepSeek冲击美股影响，英伟达昨日股价暴跌17%，收于118.42美元/股，市值蒸发近6000亿美元（折合人民币近4.35万亿元）。一天之内，排名彭博亿万富豪榜第15名的英伟达创始人兼CEO黄仁勋财富缩水201亿美元（约合人民币1458亿元）。
其晶圆代工供应商台积电的市值也在昨日蒸发了1508亿美元（约合人民币1.09万亿元）。等于DeepSeek作为“AI界拼多多”，一刀“砍掉”了英伟达和台积电共超5万亿元市值，实属罕见。
美股科技股、芯片股均受重挫，纳斯达克100指数下跌3.1%，标普500指数下跌1.5%，微软下跌2.14%，谷歌母公司Alphabet下跌4.03%，博通下跌17.40%，台积电下跌13.33%，ASML下跌5.75%，为AI基础设施提供电气硬件的西门子能源下跌20%，电力产品制造商施耐德电气下跌9.5%……对AI竞赛并不热衷的苹果则安然无恙，在一众暴跌的科技股中逆势上涨3.2%，重返全球市值第一。
多家主流外媒的网站头版都是针对DeepSeek的报道，这十分少见。
随着以闪电速度陆续开源高质量新模型，DeepSeek在全球科技圈引起的轰动效应还在持续扩大。
新发布的Janus-Pro有1B和7B两款尺寸，能输出生成高质量的AI图像，一如既往开源、免费、可商用。13页技术报告已经公开。
“Janus-Pro超越了之前的统一模型，达到甚至超过了特定任务模型的性能。”DeepSeek在一篇文章中写道，“Janus-Pro的简单性、高灵活性和有效性使其成为下一代统一多模态模型的有力候选者。”
网友们已经在社交平台上积极晒出对Janus-Pro-7B的体验。总体来看，Janus-Pro-7B的信息理解基本准确，生成图像很完整，在局部细节上相对有欠缺。
以下是DeepSeek最新多模态理解和生成模型Janus-Pro的技术解读：
根据技术报告，Janus-Pro是前作Janus的升级版，结合了优化的训练策略、扩展的训练数据，并扩展到更大的模型尺寸，在多模态理解和文本到图像的指令遵循能力方面都取得了显著进步，同时也增强了文生图的稳定性。
技术报告：https://github.com/deepseek-ai/Janus/blob/main/janus_pro_tech_report.pdf
Janus-Pro只能分析分辨率至多384 x 384的小图像。但考虑到模型尺寸很小，其性能令人印象深刻，相比前代输出了更好的视觉质量、更丰富的细节，并具备生成简单文本的能力。
对于富有想象力和创造性的场景，Janus-Pro-7B能够从提示中准确捕获语义信息，产生合理和连贯的图像。
Janus-Pro 1B模型更适合需要紧凑高效的AI任务，比如在消费级硬件上做轻量化部署。这款模型同样在GenEval等基准测试中取得了较高的平均性能，证明它能够以更少资源在指令遵循和图像分析上表现出色。
此前一些统一多模态理解和生成模型方法已被证明可以增强视觉生成任务中的指令遵循能力，同时减少模型冗余。它们大多使用相同的视觉编码器来处理多模态理解和生成任务的输入。由于两个任务所需的表示不同，这通常会导致多模态理解中的次优性能。
为了解决这个问题，Janus提出了解耦视觉编码，将视觉理解与图像生成任务分开，确保两个任务不会互相干扰，从而在多模态理解和生成任务中都取得了优异的性能。Janus在1B参数尺寸上进行了验证，但受限于训练数据量和相对较小的模型容量，它表现出一定的缺点，例如短提示图像生成的性能不理想、文生图质量不稳定。
Janus-Pro则是Janus的增强版，着重改进了训练策略、数据和模型大小。新模型遵循一款自回归框架，解耦了多模态理解和视觉生成的视觉编码。研究团队采用独立的编码方法将原始输入转换为特征，然后由统一的自回归Transformer进行处理。
其实验使用最大支持序列长度为4096的DeepSeek大模型（1.5B和7B）作为基础模型。
对于多模态理解，研究人员使用SigLIP-Large-Patch16-384编码器从图像中提取高维语义特征，将这些特征从二维网格平展到一维序列，并使用理解适配器将这些图像特征映射到大语言模型的输入空间中。
对于视觉生成任务，研究人员使用VQ tokenizer将图像转换为离散ID，在将ID序列平面化为1-D后，使用生成适配器将每个ID对应的码本嵌入映射到大语言模型的输入空间中，然后将这些特征序列连接起来形成一个多模态特征序列，随后将其输入大语言模型进行处理。
除了大语言模型中内置的预测头外，研究人员还在视觉生成任务中使用随机初始化的预测头进行图像预测。
前代Janus模型采用了三阶训练过程：第一阶段的重点是训练适配器和图像头，第二阶段是使用多模态数据做统一预训练，第三阶段是进行监督微调。这种方法使Janus能够胜过更大的模型，同时保持可管理的计算占用空间。但经实验，其策略会导致大量计算效率低下。
为此DeepSeek做了两处修改：一是增加第一阶段的训练步骤，允许在ImageNet数据集上进行足够的训练；二是在第二阶段，放弃ImageNet数据，直接利用正常的文生图数据来训练模型，以基于密集描述生成图像。这种重新设计的方法使第二阶段能够更有效地利用文生图数据，从而提高训练效率和整体性能。
研究人员还调整了第三阶段监督微调过程中不同类型数据集的数据比例，将多模态数据、纯文本数据和文本到图像数据的比例从7:3:10更改为5:1:4，使模型在保持出色视觉生成能力的同时，实现改进的多模态理解性能。
Janus-Pro将模型大小扩展到7B。当使用更大规模的大语言模型时，与较小的模型相比，多模态理解和视觉生成的损失收敛速度都有显著提高。该发现进一步验证了这个方法的可扩展性。
研究人员在训练过程中使用序列打包来提高训练效率，在单个训练步骤中根据指定的比例混合所有数据类型。Janus使用轻量级高效分布式训练框架HAI-LLM进行训练和评估。对于1.5B/7B模型，在16/32个节点的集群上，每个节点配备8个英伟达A100 (40GB) GPU，整个训练过程大约需要7/14天。
DeepSeek在多个基准上对Janus-Pro进行了评估，结果显示了出色的多模态理解能力和显著提高的文生图指令遵循性能。
比如Janus-Pro-7B在多模态理解基准MMBench上获得了79.2分，超过最先进的统一多模态模型；在文生图指令遵循基准测试GenEval中，Janus-Pro-7B得分为0.80，超过Janus、Stable Diffusion 3 Medium、DALL-E 3、Emu3-Gen、PixArt-alpha等先进图像生成模型。
总体来看，Janus-Pro在训练策略、数据、模型大小上的改进，使其取得多模态理解和文生图指令遵循能力的进步。该模型仍存在一定的局限性，例如在多模态理解方面，输入分辨率限制为384 × 384会影响其在细粒度任务（如OCR文本识别）中的性能。
对于文生图，低分辨率加上视觉tokenizer带来的重建损失，导致图像虽然具有丰富的语义内容，但仍然缺乏精细的细节。例如，占用有限图像空间的小面部区域可能显得不够精细。技术报告指出，提高图像分辨率可以缓解这些问题。
346
