秘塔AI擅长处理什么事情

秘塔 AI 是一款由秘塔科技开发的具有多种特色和优势的产品： 1. 作为 AI 搜索引擎，它提供多模式搜索、无广告干扰、结构化展示和信息聚合等功能，旨在提升用户的搜索效率和体验。 2. 整体流程较长且完整。首先需构建专题，并上传文档或复制网页链接，然后在搜索框左下角选中专题以定制数据源。搜索完成后的操作类型丰富，包括继续追问、导出文档、收藏、保存到秘塔写作猫并编辑、生成演示文稿、下载脑图图片、查看与原文对应关系并进一步搜索等。其创作编辑分享的 AIGC 工作流已初具雏形，RAG 和搜索能力表现良好，是国产之光。 3. 秘塔科技在 9 月 20 日发布的产品经理招聘信息的 JD 描述不拘一格，受到赞誉。 此外，还有众多其他的 AI 搜索引擎，如 Perplexity、360AI 搜索、天工 AI 搜索、Flowith、Devv、Phind 等，它们通过不同的技术和功能，为用户提供更加精准、高效和个性化的搜索体验。

秘塔是 AI 。秘塔科技开发了秘塔 AI 搜索，它提供多模式搜索、无广告干扰、结构化展示和信息聚合等功能，旨在提升用户的搜索效率和体验。在一些关于 AI 时代搜索的介绍中，也将秘塔 AI 搜索作为示例，指出其没有广告，能直达结果。同时在相关的比较和讨论中，也有涉及到秘塔。

以下是关于秘塔搜索提示词的相关信息： 在“大圣：我用 Coze 搓了一个乞丐版的秘塔搜索”中，提到在 AI 搜索工作流中有变量节点和大模型节点。大模型节点最关键的是提示词，其源头是一个 github 的开源项目（https://github.com/leptonai/search_with_lepton/blob/main/search_with_lepton.py ），且提示词完全参考艾木大佬的文章（https://mp.weixin.qq.com/s/Ory8iVXXjjN3zSTcupPm6Q ）。由于本篇教程主要是让大家对 Coze 的能力更有体感，所以提示词这里不做深入探讨。 同样在“大圣：我用 Coze 搓了一个乞丐版的秘塔搜索”中，提到按照编写人设提示词、打造工作流、预览以及调试的流程来搓 Bot，且为了方便大家理解，贴出了中英两版人设提示词。 一些推荐的 AI 搜索引擎中包括秘塔 AI 搜索，它由秘塔科技开发，提供多模式搜索、无广告干扰、结构化展示和信息聚合等功能，旨在提升用户的搜索效率和体验。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

秘塔搜索是由秘塔科技开发的一款 AI 搜索引擎，具有以下特点和功能： 1. 多模式搜索：提供多种搜索方式，满足不同用户需求。 2. 无广告干扰：为用户提供更纯净的搜索环境。 3. 结构化展示：使搜索结果呈现更清晰、有条理。 4. 信息聚合：整合各类相关信息，提升搜索效率和体验。 使用指南方面： 1. 明确搜索需求：清晰地知道自己想要查找的内容。 2. 输入准确关键词：有助于获得更精准的搜索结果。 如果您想了解更多关于秘塔搜索的详细内容，建议您访问其官方网站获取最新和更全面的信息。

以下是国内一些 AI 大模型的优势： 通义千问：由阿里云开发，能够与人交互、回答问题及协作创作。 科大讯飞（SparkDesk）：有免费接口，在某些应用场景中具有出色表现。 智谱清言：在聊天状态下能生成 Markdown 格式。 文心一言：百度出品的 AI 对话产品，定位为智能伙伴，能写文案、想点子，又能陪你聊天、答疑解惑。 抖音（云雀大模型）：暂未明确其独特优势。 智谱 AI（GLM 大模型）：暂未明确其独特优势。 中科院（紫东太初大模型）：暂未明确其独特优势。 百川智能（百川大模型）：暂未明确其独特优势。 商汤（日日新大模型）：暂未明确其独特优势。 MiniMax（ABAB 大模型）：目前不能进行自然语言交流，但有语音合成等特色功能。 Kimi 智能助手：由 Moonshot AI 出品，有着超大“内存”，可以一口气读完二十万字的小说，还会上网冲浪。 需要注意的是，不同大模型的优势会因应用场景和用户需求的不同而有所差异。

Kimi 和秘塔 AI 的区别在于以下方面： 功能特点：传音智库是公司内部的 AI 平台，功能类似于 Poe，仅内网可访问，可用 Kimi 替代。 平台性质：Kimi 是国产新星，秘塔 AI 被称为搜索神器。 访问网址：Kimi 的网址为 https://kimi.moonshot.cn/ ，秘塔 AI 未提及具体网址。

以下是为您整理的关于 AI 应用提示词的相关内容： Apple Intelligence 中的提示词： 在最新开发者测试版中包含生成式 AI 功能，其模型中的指示会在对聊天机器人说话前默认出现。 如“有用的邮件助理”AI 机器人会被告知如何根据邮件内容提问，指示包括“将答案限制在 50 个单词以内，不产生或编造虚假信息”等。 生成 Apple Photos 中“回忆”视频的指示集存在一些限制，如“不要写宗教、政治等负面内容”。 AI 应用于工作场景制作单词卡片的提示词： 核心目的包括生成符合要求的单词卡内容，并填入 Excel 文件中。 生成过程中先给出基本示例，再根据不同生成内容限定规则。 测试结果显示可同时解析多个单词，大体格式符合要求，但存在部分效果偏差和设定改变，可通过复制粘贴等方式处理。 批量产出时需上传压缩文件并完成套版操作。 关于 AI 幻觉的提示词相关思考： 网上找到的总结公众号的提示词存在输出与实际不符的情况。 总结类文章，AI 可能未读完整个文章，大语言模型可能未真去搜索网页，更像是开发商的“狡猾”，而非“AI 幻觉”。

以下是使用 AI 工具生成 PPT 的几种方法和步骤： 一、使用 Process ON 1. 网址：https://www.processon.com/ 2. 输入大纲和要点 确定操作方式，目前该工具提供两种方式： 导入大纲和要点： 手动复制，相对比较耗时间。 导入方式： 复制最终大纲的内容，到本地的 txt 文件后，将后缀改为.md。如果看不见后缀，可以自行搜索开启后缀。 打开 Xmind 软件，将 md 文件导入 Xmind 文件中。 Process ON 导入 Xmind 文件。以导入方式新建思维导图，选择准备好的 Xmind 文件，导入成功。 输入主题自动生成大纲和要求：新增思维导图，输入主题，点击 AI 帮我创作，生成结束。 3. 选择模版并生成 PPT 点击下载，选择导入格式为 PPT 文件。 选择模版，再点击下载。如果喜欢用 Process ON 的小伙伴，没有会员，可以某宝买个一天会员。 二、使用闪击 1. 网址：国内网站，不需要魔法。地址：https://ppt.isheji.com/?code=ysslhaqllp&as=invite 2. 选择模版 3. 输入大纲和要点 由于闪击的语法和准备的大纲内容有一些偏差，可以参考下官方使用指南：https://zhuanlan.zhihu.com/p/607583650 将之前准备的大纲转换成适配闪击的语法。 4. 生成 PPT 点击文本转 PPT，并且在提示框中选择确定，得到转换后的 PPT，可在线编辑。 5. 导出 导出有一些限制，PPT 需要会员才能导出。 三、AI 生成 PPT 的主要思路 1. 导入大纲到工具生成 PPT 以爱设计为例，其他工具基本上操作方式大同小异，都是基于 Markdown 语法的内容来完成 PPT 的生成。具体步骤，可以移步到 MindShow、闪击、爱设计等章节。 2. 优化整体结构 按照公司要求，可以自行优化字体、图片等元素。针对下载后的 PPT，可以删改内容，以达到心理预期。

以下是为您推荐的学习 AI 的书籍： 神经科学相关： 《认知神经学科：关于心智的生物学》（作者：Michael S. Gazzaniga;Richard B. Lvry;George R. Mangun）：世界权威的认知神经科学教材，系统涵盖认知神经科学的多个方面。 《神经科学原理》（作者：Eric R. Kandel;James H. Schwartz）：让您系统了解神经元的细胞和分子生物学等内容。 《神经生物学:从神经元到脑》（作者：John G. Nicholls 等著）：神经生物学领域的世界级名著，涵盖神经科学的多方面内容。 Python 与 AI 相关： Python 方面： 《Python 学习手册》：名声在外。 《Python 编程》：对新手友好。 AI 方面： 《人类简史》：“认知革命”的相关章节有帮助。 《深度学习实战》：梳理了 ChatGPT 爆发前的 AI 信息与实践。

以下是一些常见的 AI 软件： 1. 创作方面： AI 研究工具：Claude、ChatGPT、Bing Chat、Perplexity 图片处理：DallE、Leonardo、BlueWillow、Midjourney 版权写作：Rytr、Copy AI、Wordtune、Writesonic 设计：Canva、Clipdrop、Designify、Microsoft Designer 网站搭建：10Web、Framer、Hostinger、Landingsite 视频处理：Klap、Opus、Invideo、Heygen 音频处理：Murf、LovoAI、Resemble、Eleven Labs SEO 优化：Alli AI、BlogSEO、Seona AI、Clearscope Logo 设计：Looka、LogoAI、Brandmark、Logomaster 聊天机器人：Droxy、Chatbase、Voiceflow、Chatsimple 自动化工具：Make、Zapier、Bardeen、Postman 市场营销 2. 100 个 AI 应用（81 100）： AI 摄影参数调整助手：利用图像识别、数据分析技术，常见于摄影 APP 参数调整功能，市场规模达数亿美元，可根据场景自动调整摄影参数。 AI 音乐情感分析平台：运用机器学习、音频处理技术，有音乐情感分析软件，市场规模达数亿美元，能够分析音乐的情感表达。 AI 家居智能照明系统：基于物联网技术、机器学习，如小米智能照明系统，市场规模达数十亿美元，可实现家居照明的智能化控制。 AI 金融风险预警平台：通过数据分析、机器学习，有金融风险预警软件，市场规模达数十亿美元，能提前预警金融风险。 AI 旅游路线优化平台：借助数据分析、自然语言处理，如马蜂窝路线优化功能，市场规模达数亿美元，可根据用户需求优化旅游路线。 AI 游戏道具推荐系统：使用数据分析、机器学习，常见于游戏内商城推荐功能，市场规模达数亿美元，能根据玩家需求推荐游戏道具。 AI 天气预报分时服务：基于数据分析、机器学习，如彩云天气分时预报，市场规模达数亿美元，提供精准的分时天气预报。 AI 医疗病历分析平台：运用数据分析、自然语言处理，如医渡云病历分析系统，市场规模达数十亿美元，可分析医疗病历，辅助诊断。 AI 会议发言总结工具：借助自然语言处理、机器学习，如讯飞听见会议总结功能，市场规模达数亿美元，能自动总结会议发言内容。 AI 书法作品临摹辅助工具：利用图像识别、数据分析，如书法临摹软件，市场规模达数亿美元，可帮助书法爱好者进行临摹。

以下是吴恩达《面向所有人的生成式 AI 入门课程 Generative AI for Everyone》的相关资源： B 站： 学习笔记： 飞书： 下的相关课程

在制造业中，AI 有以下应用： 1. 产品设计和开发：利用 AI 生成工具如 Adobe Firefly、Midjourney 等，可根据文字描述快速生成产品的 3D 模型、渲染图、插图等设计元素，大幅提高产品设计效率。 2. 工艺规划和优化：结合大语言模型的自然语言处理能力，能自动生成制造工艺流程、设备选型、质量控制等方案，优化生产过程。 3. 设备维护和故障诊断：利用 AI 模型分析设备运行数据，可预测设备故障，并自动生成维修建议，提高设备可靠性。 4. 供应链管理：AI 可以根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提高供应链管理效率。 5. 客户服务：基于对话模型的 AI 客服机器人，能够自动生成个性化的客户回复，提升客户体验。 总的来说，AIGC 技术正在制造业的各环节得到广泛应用，从产品设计到生产管理再到客户服务，都能发挥重要作用，提高企业的效率和竞争力。

以下是一些擅长文字处理，尤其是小说创作的 AI 工具： 1. Novel.ai：AI 写小说领域的头部应用，是典型的 LLM 产品。其产品功能复杂但使用模式简单，包括利用续写能力将写作改造成交互式文本生成，渐进式生成小段并允许用户更改或继续生成，基于写作业务抽象出模型风格、写作方式、故事世界、记忆等细分功能。本质上还是构造 Prompt，交互式、渐进式的 Prompt 构建降低了使用门槛。 2. Character.ai：大名鼎鼎的角色扮演类 AI 陪伴产品，服务游戏和二次元用户。使用简单，选角色对话即可，创建也容易，角色的核心差异靠不同的详细描述，开放用户角色 Prompt 可见。 3. 筑梦岛：国内同类产品，玩法多样。和角色聊天、捏角色是共同主题，捏角色的产品化本质是收集信息产生高质量角色 Prompt 的过程，基于聊天模式有很多微创新的衍生玩法。 此外，还有一些中文的内容仿写 AI 工具： 1. 秘塔写作猫：https://xiezuocat.com/ 是 AI 写作伴侣，能推敲用语、斟酌文法、改写文风，实时同步翻译，支持全文改写、一键修改、实时纠错并给出修改建议，智能分析文章属性并打分。 2. 笔灵 AI 写作：https://ibiling.cn/ 是智能写作助手，支持多种文体写作，如心得体会、公文、演讲稿、小说、论文等，支持一键改写/续写/扩写，智能锤炼打磨文字。 3. 腾讯 Effidit 写作：https://effidit.qq.com/ 由腾讯 AI Lab 开发，是智能创作助手，能提升写作者的写作效率和创作体验。 更多 AI 写作类工具可以查看：https://www.waytoagi.com/sites/category/2 （内容由 AI 大模型生成，请仔细甄别）

以下几种 AI 在数学模型搭建与计算方面表现较为出色： 1. Llama 3.1：是迄今为止最大版本，在推理、数学、多语言和长上下文任务中能够与 GPT4 相抗衡。 2. AlphaGeometry：在奥林匹克级几何问题基准测试中表现出色，解决了 30 题中的 25 题，接近人类国际数学奥林匹克金牌得主的表现。 3. 由 DeepSeek、零一万物、知谱 AI 和阿里巴巴开发的中国模型：在 LMSYS 排行榜上取得了优异的成绩，尤其在数学和编程方面表现尤为出色，且中国模型更能优先考虑计算效率。 4. MathGLM 系列模型： MathGLM2B：在训练数据充足的情况下，能够准确地执行多位算术运算，准确率几乎可以达到 100%，结果显著超越 GPT4。 MathGLMLarge：采用不同变体作为骨干来训练，赋予其基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。 大型语言模型处理数学计算的一些解决办法包括： 1. 引入编程插件：将数学问题转化为编程问题，并引入编程插件来处理。 2. 教会模型数学法则：教导语言模型数学计算的规则。 3. 标准化自然数加法计算 prompt 模板：创建标准模板，使语言模型按预定义规则和步骤执行加法计算。 4. 结合图像模型：对于涉及空间概念的数学问题，结合图像模型辅助处理。 5. 提供充足的语料和样本：为语言模型提供充足的数学计算样本和语料，让模型从中学习并改进数学计算能力。

以下是主流大语言模型擅长领域的相关信息： 1. Encoderonly 模型：通常适用于自然语言理解任务，如分类和情感分析，代表模型是 BERT。 2. Encoderdecoder 模型：同时结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，用例包括翻译和摘要，代表是 Google 的 T5。 3. Decoderonly 模型：更擅长自然语言生成任务，如故事写作和博客生成，众多 AI 助手基本采用此结构，包括 ChatGPT。 大模型的特点： 1. 预训练数据非常大，往往来自互联网上的论文、代码、公开网页等，先进的大模型一般用 TB 级别的数据进行预训练。 2. 参数非常多，如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。 国内大模型分类： 1. 通用模型：如文心一言、讯飞星火等，处理自然语言。 2. 垂直模型：专注特定领域，如小语种交流、临床医学、AI 蛋白质结构预测等。 大型模型主要分类： 1. 大型语言模型：专注于处理和生成文本信息。 2. 大型多模态模型：能够处理包括文本、图片、音频等多种类型的信息。 大型多模态模型与大型语言模型的不同： 1. 处理的信息类型不同：大型语言模型专注于文本信息，大型多模态模型能处理多种类型信息。 2. 应用场景不同：大型语言模型主要用于自然语言处理任务，大型多模态模型可应用于更广泛领域，如图像识别与描述、视频分析、语音识别与生成等。 3. 数据需求不同：大型语言模型主要依赖大量文本数据训练，大型多模态模型需要多种类型数据训练。 相对大型模型的“小模型”：是在相对比较下规模较小的模型，实际是被设计来完成特定任务的，如最初用于图像分类的模型，只能分辨是或不是某一个东西。

以下是结合 AI 帮助儿童学习编程的一些方法： 1. 先让儿童通过手动编写代码来学习编程基础知识，熟练掌握语言后，再将 AI 生成的代码作为节省时间的工具。 2. 利用自适应学习平台，如结合了 AI 技术的编程学习平台，为儿童量身定制学习计划，提供个性化的学习内容和练习。 3. 借助智能导师和对话机器人，让儿童与它们进行编程相关的交流和问题探讨，提高编程思维和解决问题的能力。 需要注意的是，在使用 AI 辅助学习的过程中，要确保儿童真正理解和掌握编程的原理和知识，而不是过度依赖 AI 完成学习任务。

以下是一些在医学相关领域表现出色的 AI： 1. AlphaFold：由 DeepMind 开发，在蛋白质结构预测方面表现出色，其预测准确度超过其他系统，为科学家和药物开发提供了巨大帮助。 2. ESMFold（Meta 的蛋白质结构预测 AI 模型）：截至目前已经进行了 7 亿次预测。 3. 多伦多大学研究人员开发的新 AI 系统：利用类似 Stable Diffusion、Midjourney 的生成扩散技术创造出自然界中不存在的蛋白质。 4. 华盛顿大学 David Baker 教授团队开发的 RF Diffusion：基于 DALLE 的人工智能系统，用于根据科学家的需求生成合适的蛋白质结构。 5. 洛桑联邦理工学院科学家们开发的 PeSTo：基于神经网络的新工具，可以预测蛋白质如何与其他物质相互作用，速度快、且通用性强。 6. Surrey 大学开发的人工智能系统：用于识别个体细胞中的蛋白质模式，这一进展可用于理解肿瘤的差异并开发药物。 此外，ChatGPT、Google Bard 等技术在日常工作生活中很有用，也极大加速了医疗健康生物制药的研究，AI 已经在抗癌、抗衰老、早期疾病防治（如提前三年诊断胰腺癌、帮助早期诊断帕金森等）、寻找阿尔兹海默症的治疗方法等方面起着重要作用。例如： 1. 两名高中生与医疗技术公司 Insilico Medicine 及其人工智能平台 PandaOmics 合作，发现了与胶质母细胞瘤相关的三个新靶基因，这些基因对于有效对抗这种癌症至关重要。 2. 由 Integrated Biosciences 领导的一项最新研究通过使用人工智能筛查了超过 800,000 种化合物，专家们发现了三种高效的药物候选物，其药理学性质优于目前已知的抗衰老物质。 3. 亚利桑那大学与哈佛大学共同利用人工智能对健康神经元在疾病进展过程中的分子变化研究，以识别阿尔茨海默病的原因和潜在药物靶点。 相关文献参考： 1. https://www.sciencedaily.com/releases/2023/05/230504121014.htm 2. https://www.wevolver.com/article/pestoanewaitoolforpredictingproteininteractions 3. https://www.sciencedirect.com/science/article/pii/S0958166923000514 4. https://hms.harvard.edu/news/aipredictsfuturepancreaticcancer 5. https://finance.yahoo.com/news/teenagegeniusesaiuncovercancer163541619.html 6. https://www.earth.com/news/artificialintelligenceidentifiesnewantiagingcompounds/ 7. https://medicalxpress.com/news/202305scientistsaidrugalzheimer.html

在国内的大模型中，对于回答高等数学相关问题，以下几个大模型具有一定的优势： 通义千问（阿里）：在翻译、电商、法律、推理、数学等方面表现较好。 讯飞星火（科大讯飞）：在中小学教育学习、翻译等方面有一定能力。 需要注意的是，不同大模型的表现可能会因具体问题和使用场景而有所差异。您还可以参考第三方基准评测报告： 。但报告内容由 AI 大模型生成，请仔细甄别。

很抱歉，目前没有关于如何将自有的材料做向量化处理的相关内容。但一般来说，将自有材料进行向量化处理可以考虑以下步骤： 1. 数据清洗和预处理：清理和整理材料中的噪声、错误和不一致的数据。 2. 特征提取：根据材料的特点选择合适的特征，例如文本材料可以提取词袋模型、TFIDF 等特征。 3. 选择向量化方法：常见的有词向量（如 Word2Vec、GloVe 等）、文档向量（如 Doc2Vec）等。 4. 训练模型：使用选择的向量化方法和预处理后的数据进行训练。 由于缺乏具体的材料类型和应用场景等详细信息，以上步骤仅为一般性的指导，实际操作可能会有所不同。

以下是一些关于处理 Excel 的 AI 工具和相关信息： 1. Excel Labs：这是一个 Excel 插件，基于 OpenAI 技术，新增了生成式 AI 功能，允许用户在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了包括 Excel 在内的多种办公软件，用户通过聊天形式告知需求，Copilot 会自动完成如数据分析、格式创建等任务。 3. Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 这些工具通过 AI 技术提升了 Excel 的数据处理能力，让用户能更高效地进行数据分析和决策。未来可能会有更多 AI 功能集成到 Excel 中，进一步提高工作效率和智能化水平。 另外，在飞书多维表格与 Excel 的对比中，虽然 Excel 有手就会，但 VBA 进阶版功能门槛高。而多维表格在处理一些数据处理功能时能让人更偷懒，例如自带 AI 插件，对于一些特定场景，如挑出网址和电话、处理收集的链接等，多维表格有相应的便捷处理方式。 在实践演示中，如 Chat Excel，用户提要求，它就能处理 Excel 数据，可进行数据统计、分析、作图等操作，还能让 AI 辅助编写苹果“自动操作”实现批量统计学生作业字数。

关于用 AI 处理 Excel ，目前有以下几种工具和插件可以增强其数据处理和分析能力： 1. Excel Labs ：这是一个 Excel 插件，新增了基于 OpenAI 技术的生成式 AI 功能，允许用户在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot ：微软推出的 AI 工具，整合了 Word 、 Excel 、 PowerPoint 、 Outlook 、 Teams 等办公软件，用户通过聊天形式告知需求，Copilot 会自动完成如数据分析或格式创建等任务。 3. Formula Bot ：提供数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI ：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 随着技术的不断发展，未来可能会有更多 AI 功能被集成到 Excel 中，进一步提高工作效率和数据处理的智能化水平。但请注意，以上内容由 AI 大模型生成，请仔细甄别。

目前在处理亚马逊电商图片方面，常见的 AI 工具包括 Adobe Photoshop 的 AI 功能、Canva 等。Adobe Photoshop 的 AI 功能可以帮助您进行图像的优化、修复和创意处理。Canva 则提供了丰富的模板和设计元素，方便您快速制作吸引人的电商图片。但具体选择哪种工具，还需根据您的具体需求和使用习惯来决定。

DeepSeek 的 JanusPro 模型将图像理解和生成统一在一个模型中，具有以下特点和处理方式： 统一 Transformer 架构：使用同一个模型就能完成图片理解和生成。 规模和开源：提供 1B 和 7B 两种规模，全面开源，支持商用，采用 MIT 协议，部署使用便捷。 能力表现：Benchmark 表现优异，能力更全面，7B 版本在 GenEval 和 DPGBench 中击败 OpenAI 的 DALLE 3 和 Stable Diffusion。 处理方式： 理解模式：用“超级眼镜”仔细看最大 384x384 大小的图片，还能读文字。 画画模式：用“魔法画笔”自己创作同样大小的图片。 训练方法：先自己看很多图画书学习（预训练），然后老师手把手教（监督微调），最后用“精华浓缩法”保存最好的学习成果。 Transformer 大一统架构： 理解部分：输入包括一张“Clean Image”（干净图像）和“Und.Prompt”（理解提示），经过处理后由大语言模型输出，再通过“Text DeTokenizer”（文本去标记器）处理得到响应。 生成部分：输入包括“Gen.Prompt”（生成提示）和一张“Noisy Image”（含噪图像），经过处理后在“Gen.Decoder”（生成解码器）中不断更新，最终完成图像生成。 模型地址： 模型（7B）：https://huggingface.co/deepseekai/JanusPro7B 模型（1B）：https://huggingface.co/deepseekai/JanusPro1B 下载地址：https://github.com/deepseekai/Janus