A DeepSeek, startup chinesa de inteligência artificial que está chamando a atenção do mundo devido ao seu concorrente para o ChatGPT, anunciou o lançamento do Janus-Pro, um modelo multimodal de IA que promete superar os concorrentes DALL-E 3, da OpenAI, e Stable Diffusion, da Stability AI em geração de imagens. Com uma arquitetura inovadora e custos de desenvolvimento significativamente menores, o Janus-Pro já está disponível em versões de 1 bilhão (1B) e 7 bilhões (7B) de parâmetros, oferecendo desempenho superior em tarefas de compreensão e geração de imagens.
O que torna o Janus-Pro diferente?
O Janus-Pro se destaca por sua capacidade de desacoplar tarefas de compreensão e geração de imagens, algo que modelos anteriores não conseguiam equilibrar. Enquanto a maioria dos modelos multimodais prioriza a geração de imagens em detrimento da compreensão, o Janus-Pro utiliza dois codificadores visuais independentes: um para extrair informações semânticas das imagens e outro para gerar imagens a partir de descrições textuais. Essa abordagem permite que o modelo mantenha alta precisão em ambas as tarefas.
Além disso, o Janus-Pro foi treinado com um conjunto de dados ampliado, incluindo 72 milhões de imagens sintéticas de alta qualidade, o que melhora a estabilidade e a estética das imagens geradas. O modelo também utiliza uma estratégia de treinamento em três fases, otimizando o uso de dados multimodais e garantindo maior eficiência.
Destaque nos benchmarks
Nos testes de referência, o Janus-Pro-7B alcançou uma pontuação de 0.80 no GenEval e 84.2% no DPG-Bench, superando DALL-E 3 (0.67) e Stable Diffusion 3 Medium (0.74). Em tarefas de compreensão multimodal, o modelo obteve 79.2 no MMBench, destacando-se como um dos melhores do mercado.
Esses resultados mostram que o Janus-Pro não apenas promete gerar imagens de alta qualidade, mas também entende contextos complexos, tornando-o ideal para aplicações que exigem precisão e criatividade.
Como acessar?
Para desenvolvedores e entusiastas de IA, o Janus-Pro está disponível para download na plataforma Hugging Face sob licença MIT, permitindo uso e modificação livre. Essa acessibilidade promete acelerar a adoção da tecnologia e impulsionar novas aplicações criativas.
Link para download
Janus Pro: 1 billhão de parâmetros
Janus-Pro de 7 bilhões de parâmetros
Você também pode acessar o Janus-Pro através da web, por esse link. Basta clicar na opção “Load Model” e depois inserir /imagine e depois o prompt. O modelo para uso direto na web é o de 1 bilhão de parâmetros.
Confira abaixo uma opção de prompt e o resultado entregue pelo Janus-Pro em sua versão com 1 bilhão de parâmetros:
Confira o resultado com o mesmo prompt, mas em português:
Comparativo com outras ferramentas
Alguns testes mostram que a plataforma ainda tem muito a evoluir perante ao resultado entregue por seus concorrentes. No exemplo abaixo há uma comparação entre o Janus-Pro de 7 bilhões de parâmetros contra uma imagem gerada pelo Flux utilizando o mesmo prompt:
Já a imagem abaixo compara o Janus-Pro com outros 3 geradores de imagem:
O modelo também tem limitação do tamanho das imagens. A resolução é 384x 384 pixels, portanto, o uso de uma ferramenta de upscaling é recomendada como complemento.
Você já utiliza ferramentas de geração de imagens? Pretende testar o Janus-Pro? Comente abaixo.
Esta postagem foi modificada pela última vez em 28/01/2025 18:42