來源：中國(guó)基金報(bào)
[導(dǎo)讀]美股暴跌之際，凌晨DeepSeek發(fā)布了新的發(fā)布人工智能模型
中國(guó)基金報(bào)記者 泰勒
1月28日凌晨，國(guó)內(nèi)火爆的凌晨AI大模型公司DeepSeek稱遭受大規(guī)模惡意攻擊！
DeepSeek稱遭受大規(guī)模惡意攻擊
DeepSeek官網(wǎng)的發(fā)布服務(wù)狀態(tài)頁(yè)面顯示：“近期DeepSeek線上服務(wù)受到大規(guī)模惡意攻擊，注冊(cè)可能繁忙，凌晨請(qǐng)稍等重試。發(fā)布已注冊(cè)用戶可以正常登錄，凌晨感謝理解和支持。發(fā)布”
1月20日，DeepSeek推出了AI模型R1，發(fā)布這是凌晨一款為解決復(fù)雜問題而設(shè)計(jì)的專用模型。在海外出圈之后，發(fā)布DeepSeek的凌晨服務(wù)需求激增。DeepSeek表示，發(fā)布最新的凌晨AI模型可以與OpenAI的ChatGPT媲美，且開發(fā)成本遠(yuǎn)低于競(jìng)爭(zhēng)產(chǎn)品。
這次更新引發(fā)了美國(guó)和歐洲科技股市值蒸發(fā)超過1萬億美元的暴跌，投資者質(zhì)疑美國(guó)一些大公司虛高的估值。
全球科技股紛紛下跌，英偉達(dá)暴跌15%！納斯達(dá)克指數(shù)暴跌超3%，該指數(shù)以科技股為主。除英偉達(dá)外，其他芯片股也在暴跌，博通公司暴跌近17%，臺(tái)積電暴跌14%，阿斯麥暴跌超6%。
分析稱，DeepSeek推出的低成本人工智能模型可能會(huì)使推動(dòng)牛市的科技估值難以為繼。
Murphy & Sylvest財(cái)富管理公司的保羅·諾爾特（Paul Nolte）表示，“我們不知道這是不是股票市場(chǎng)的‘斯普特尼克時(shí)刻’，但這肯定是一個(gè)警鐘，提醒我們并不是市場(chǎng)上唯一的玩家，將極高的估值賦予這些股票，認(rèn)為它們壟斷了市場(chǎng)，這是一個(gè)巨大的錯(cuò)誤，現(xiàn)在正在被重新評(píng)估。”
對(duì)于Miller Tabak的馬特·馬利（Matt Maley）來說，DeepSeek最新的人工智能模型更具成本效益，并且運(yùn)行在技術(shù)要求較低的芯片上，這引發(fā)了對(duì)人工智能熱潮能帶來多大收益的嚴(yán)重質(zhì)疑。
DeepSeek火上澆油，發(fā)布了新款人工智能模型
當(dāng)?shù)貢r(shí)間1月27日， DeepSeek團(tuán)隊(duì)正式發(fā)布兩款多模態(tài)框架——Janus-Pro 和 JanusFlow。其中，Janus-Pro是一款統(tǒng)一多模態(tài)理解與生成的創(chuàng)新框架，通過解耦視覺編碼的方式，極大提升了模型在不同任務(wù)中的適配性與性能。
JanusFlow是一款通過生成流（Rectified Flow）與自回歸語(yǔ)言模型融合實(shí)現(xiàn)統(tǒng)一的框架。它不僅在理解任務(wù)中表現(xiàn)優(yōu)異，還能生成高質(zhì)量圖像，展現(xiàn)了框架設(shè)計(jì)的極簡(jiǎn)與強(qiáng)大。
北京時(shí)間1月28日凌晨，就在美國(guó)科技股暴跌之際，人工智能社區(qū)Hugging Face顯示，DeepSeek發(fā)布了開源多模態(tài)人工智能模型Janus-Pro。其中Janus-Pro-7B在GenEval和DPG-Bench基準(zhǔn)測(cè)試中擊敗了OpenAI的DALL-E 3和Stable Diffusion。
頁(yè)面顯示，Janus-Pro是一種新穎的自回歸框架，統(tǒng)一了多模態(tài)的理解與生成。它通過將視覺編碼分離為獨(dú)立的路徑，解決了以往方法的局限性，同時(shí)仍然采用單一的統(tǒng)一Transformer架構(gòu)進(jìn)行處理。視覺編碼的分離不僅緩解了視覺編碼器在理解與生成任務(wù)中的角色沖突，還提升了框架的靈活性。Janus-Pro不僅超越了之前的統(tǒng)一模型，還能匹配或超越任務(wù)專用模型的性能。其簡(jiǎn)單性、高靈活性以及高效性使Janus-Pro成為下一代統(tǒng)一多模態(tài)模型的有力候選者。
Janus-Pro是一款統(tǒng)一理解與生成的多模態(tài)大語(yǔ)言模型（MLLM），通過對(duì)多模態(tài)理解與生成的視覺編碼進(jìn)行解耦來實(shí)現(xiàn)功能。Janus-Pro構(gòu)建于 DeepSeek-LLM-1.5b-base和DeepSeek-LLM-7b-base的基礎(chǔ)之上。
在多模態(tài)理解方面，它使用SigLIP-L作為視覺編碼器，支持384x384的圖像輸入。在圖像生成方面，Janus-Pro使用了來源于此的分詞器（tokenizer），其下采樣率為16。
