本报告导读：

Janus-Pro 以解耦式架构突破轻量化多模态模型技术瓶颈，验证算法创新可替代算力堆砌路径，其开源生态与模块化设计加速技术渗透，颠覆传统竞争逻辑，推动行业向算法效率与场景定制能力迁移，开启中小企业参与AI落地的新窗口。

投资要点：

投资建议：DeepSeek 开源多模态模型Janus-Pro 通过解耦式架构设计，以128 颗A100 训练1 周的轻量算力实现超越DALL-E 3 的性能，验证了算法创新对硬件依赖的突破性替代。该路径验证下，模型能力与算力的强绑定将会放松，具备架构设计能力的团队将主导未来技术走向。同时开源生态加速技术普惠，低成本多模态模型将助力教育、电商等场景加速渗透。推荐标的：鼎捷数智、虹软科技、福昕软件、科大讯飞，受益标的：海天瑞声、迈富时、第四范式。

Janus-Pro 通过创新架构实现多模态能力突破。Janus-Pro 通过将视觉编码解耦为单独的路径来解决以前方法的局限性，图像理解使用SigLIP-L 提取特征、图像生成通过VQ 令牌转换，由统一自回归Transformer 进行处理。其7B 版本在GenEval 基准测试中以80%准确率超越众多主流生成方法，在DPG-Bench 获得84.19 分，且在MMBench 多模态理解测试中达到79.2 分，在多模态理解和生成两方面均表现卓越。

架构创新显著降低算力依赖，证明大模型发展可摆脱算力竞争陷阱。Janus-Pro 在仅128 块A100 GPU 训练一周的条件下实现性能超越。这印证了算法创新对算力效率的指数级提升：主流多模态模型动辄百亿至万亿参数，而Janus-Pro 通过HAI-LLM 训练框架，将硬件投入极大压缩。该路径表明技术路线的创新在多模态领域同样能够实现，行业正从算力硬件的军备竞赛转向算法精耕阶段，具备原创架构设计能力的团队使得AI 技术的护城河不再与算力规模绑定。

开源释放场景定制潜能，加速企业级应用落地。作为开源多模态模型，Janus-Pro1.5B/7B 参数版本及相关代码已开放，大幅降低技术应用门槛，开发者无需从头构建。Janus-Pro7B 版本在GenEval 和DPGBench基准测试关键指标上已超越闭源竞品DALL-E 3 和StableDiffusion，这使中小企业在电商图片生成、教育创作等场景能够快速部署高性价比的多模态解决方案，推动技术向产业端加速渗透。

风险提示：开源生态引发同质化竞争，实际应用落地不确定风险。