Janus Pro AI

什么是 Janus Pro AI？

Janus Pro AI 将 Janus-Pro 打造为一款用于理解图像并根据文本生成图像的多模态模型。网站将其定位为 Janus 的增强版本，并在训练策略、训练数据和模型规模方面进行了改进。

产品页面强调了一套统一的图像相关工作流：读取并解释视觉内容、遵循文本生成图像提示，以及在同一模型家族中生成图像。网站还提供模型下载、GitHub 资源，以及用于 Janus Pro WebGPU 的浏览器测试，说明其目标用户不仅是阅读介绍，还包括希望试验或部署该模型的人。

网站上的定价信息显示有免费 Starter 版和付费 Pro 版，而产品页面注明在模型许可条款下允许商业用途。相关页面还将 Janus Pro 与 Flux 进行比较，将 Janus Pro 的定位侧重于多模态理解，而不仅仅是图像质量。

Janus Pro AI 能做什么？

统一的多模态架构

Janus-Pro 被描述为一种统一的多模态架构，在单一模型中同时支持图像理解和图像生成，并使用带有解耦视觉编码路径的单一 Transformer 框架。

解耦视觉编码器

网站表示，Janus-Pro 将理解和生成分离到不同的视觉路径中，使每项任务都能单独优化，而不必强迫同一个编码器同时承担两种工作。

理解与生成一体化工作流

产品页面描述了较强的文本生成图像指令遵循能力和图像理解能力，包括读取图像中的文本以及处理基于图像的问题。

面向基准的性能表现

网站称 Janus-Pro 7B 在 GenEval 和 DPG-Bench 等基准集上表现良好，并在已发布材料中与 DALL-E 3 和 Stable Diffusion 等模型进行了比较。

多种模型规模与开放资源

网站列出了 1B 和 7B 参数版本、Hugging Face 上的可下载模型文件，以及 Janus 系列和 ComfyUI 节点的 GitHub 资源。

浏览器测试与分辨率信息

该模型被描述为使用 384×384 输入分辨率，在某些演示中输出图像最高可达 768×768，网站还提到了基于浏览器的 Janus Pro WebGPU 测试。

使用场景

“多模态图像工作流”

当工作流既需要视觉理解又需要生成时使用 Janus Pro，例如先询问图像内容，再根据提示创建相关图像。

“基于指令的图像生成”

当重点是匹配详细指令，而不是追求独立的图像美观度时，用于文本生成图像提示遵循。

“图像理解任务”

用于读取和提取图像中的文本，或理解视觉文档内容，这类任务需要依赖模型的理解路径。

“研究与原型开发”

在更广泛部署之前，使用浏览器测试或可下载的模型资源，在开发或研究环境中评估 Janus Pro。

“商业试验”

在开放许可和可下载资源很重要的商业场景中使用该模型家族，但需遵守所述许可条款。

常见问题

Janus Pro 可以做什么？

Janus Pro 被定位为一款多模态模型，既能理解图像，也能根据文本提示生成图像。网站还介绍了可在浏览器中运行的 1B 版本，以及用于更完整多模态任务的 7B 版本。

网站上提到了哪些模型版本？

网站提到了 Janus Pro 1B 和 Janus Pro 7B，同时还在可下载模型中列出了 Janus-1.3B 和 JanusFlow-1.3B。主产品页面主要将 Janus-Pro 作为多模态理解与生成模型来介绍。

有免费方案或付费方案吗？

定价页面显示有免费 Starter 版和付费 Pro 版。Starter 包含 5 台设备、1 个月云端保留、无限通知和基础集成；Pro 标价每月 12 美元，包含无限设备、1 年云端保留、无限通知、高级集成和优先客户支持。

Janus Pro 的主要局限是什么？

来源页面强调了 Janus Pro 的图像理解、文本生成图像，以及用于 Janus Pro WebGPU 的浏览器测试。页面还指出，与 Flux 相比，图像质量并不是其主要重点，并且分辨率限制可能会影响细节任务。

团队可以将 Janus Pro 用于商业用途吗？

网站说明该模型在许可条款下允许商用，并提供了 Hugging Face、GitHub 和 ComfyUI 资源用于下载与集成。