deepseek-ai/janus は、テキストと画像の入力を理解し、画像生成までサポートするマルチモーダルモデルシリーズ Janus-Series のリポジトリです。リポジトリの説明は、マルチモーダルな理解と生成をひとつのモデル系列に統合するという内容になっています。このリポジトリは 2024 年 10 月 18 日に作成されました。
構造は視覚エンコーディングを分離したうえで、単一の transformer で二つの機能を処理する方式です。README によると、Janus-Pro は学習戦略とデータ、モデル規模を拡張し、JanusFlow は自己回帰（autoregressive）言語モデルと rectified flow を組み合わせました。紹介されているモデルは Janus-1.3B、JanusFlow-1.3B、Janus-Pro-1B、Janus-Pro-7B の 4 つで、各モデルのダウンロードと推論の例も README にまとめて記載されています。ライセンスは MIT、主な言語は Python、GitHub スターは 17761 個です。
ただし、この記録にはリリース版がないため公開時点を特定できず、性能を比較するためのベンチマーク値や総合評価スコアも示されていません。記録に残っている指標は 10 点満点基準のモメンタム（momentum）スコア 2.4 と低く、頼りになるのはその値だけです。分離された視覚エンコーディングと単一 transformer 構造、MIT ライセンスまでは確認できますが、判断の根拠は README の説明とサンプルコードに限られます。この記録だけで実利用を決めるのは早計なので、サンプル推論コードを直接確認するのが現実的です。