Deepseek golpea duro con Janus-Pro, un modelo generativo de imágenes que combina energía, compacidad y licencia de código abierto. Al desafiar a Dall-E 3 en puntos de referencia y costos, la startup china vuelve a dibujar las reglas del juego de IA generativo, esta vez en el análisis de generación y imagen.
Durante la semana pasada, Deepseek ha molestado al ecosistema de IA y más particularmente la esfera estadounidense con Deepseek r1Un modelo de razonamiento publicado en código abierto que desafía OpenAI O1 en términos de relevancia para los costos de inferencia (a través de la cara abrazada o a través de Deepseek AI) mucho más bajo que los de OpenAi.
Y Deepseek no suelta la presión sobre OpenAi al llevar este tiempo a otro modelo emblemático de la startup estadounidense, su Dall-E 3 II IA. La startup china acaba de revelar Janus-ProUna nueva familia de modelos multimodales diseñados tanto para el análisis de generación como para el análisis de imágenes. Estos modelos, disponibles en versiones que van desde 1 a 7 mil millones de parámetros, aparentemente demuestran ser superiores a Dall-E 3 de OpenAI o difusión estable de estabilidad IA en varios puntos de referencia.
Rendimiento notable a pesar de un tamaño compacto
Selon Deepseek, Janus-Pro-7bLa versión más importante de esta gama supera a Dall-E 3 y varios otros modelos de referencia en evaluaciones como Gineval y DPG-Bench.
Lo que sorpresa no es tanto la calidad de las representaciones (conocemos la IA muy capaz) sino la gran compacidad del modelo que le permite una ejecución local a costos más bajos.
Una eficiencia que proveniría de un enfoque innovador «autopretado» y una separación del tratamiento visual en un circuito dedicado que permite obtener imágenes más estables y más detalladas.
Deepseek especifica que el aprendizaje de las nuevas variantes de Janus-Pro se ha beneficiado de los métodos de capacitación «eficientes de cómputo», con un uso moderado de los recursos de GPU. Esta estrategia habría permitido desarrollar los modelos en unas pocas semanas, sin usar infraestructura masiva y costosa.
Por supuesto que nada es perfecto. Y Deepseek reconoce que sus nuevos modelos son perfectables: el análisis de imágenes en altas definiciones o las tareas de reconocimiento fino (como el OCR) permanecen limitados por la configuración actual.
Un modelo abierto en el MIT de licencia
La otra ventaja clave de Janus-Pro se publicó obviamente en el código abierto bajo la licencia MIT muy permisiva. Y a primera vista, este modelo parece responder en gran medida a la definición de OSI de un modelo de código abierto que incluye al nivel de los juegos de datos de entrenamiento (incluso si oficialmente Janus-Pro no se reconoce oficialmente como tal). Deepseek explica que ha enriquecido su conjunto de datos con millones de imágenes sintéticas de alta calidad, además de datos reales, para mejorar la estabilidad y la riqueza de los detalles visuales.
Para las empresas, sigue siendo un nuevo modelo de IA que enriquece un arsenal de código abierto cada vez más rico y relevante. Lo que da un poco más de peso a la infraestructura local de IA (a menudo basada en Nvidia Enterprise AI y Nvidia Nim) en detrimento de las soluciones de nubes cuyos modelos propietarios ahora parecen evolucionar más lentamente y están atrapados por los pequeños modelos de código abierto.
El lanzamiento de Janus-Pro se produce poco después del lanzamiento no solo de Deepseek R1 sino también de la plataforma de conversación Deepseek AI, que se ha convertido rápidamente en una de las aplicaciones gratuitas más descargadas en la App Store (y que parece no aceptar nuevos usuarios ya que la infraestructura está saturada por el éxito). Lo que viene un poco más para alimentar las fuertes discusiones internacionales en torno al lugar de la China en la carrera mundial de la IA, y sobre la viabilidad de desarrollar modelos competitivos sin depender de los centros de datos gigantescos, mientras que Donald Trump anunció la semana de 500 mil millones de inversiones en los EE. UU. En los centros de datos de la IA.
Leer también:
Deepseek r1, el modelo IA que desata pasiones
Mistral AI lanzó su primer modelo multimodal y servicios gratuitos para atraer desarrolladores
Mutimodalidad, lienzo, análisis de documentos, agentes de IA … el gato se está retirando
Llama y Mixtral no son una IA de código abierto real de acuerdo con el OSI
Olmo 2: un nuevo modelo de código abierto mejor que Llama 3.1
Mistral lanza la segunda generación de su gran LLM: Mistral grande 2
Open Source, un elemento clave para el futuro de la IA
Los modelos de código abierto suben un engranaje
[
