{"id":857,"date":"2025-02-04T16:45:13","date_gmt":"2025-02-04T16:45:13","guid":{"rendered":"https:\/\/janusai.pro\/?p=857"},"modified":"2025-02-04T16:45:15","modified_gmt":"2025-02-04T16:45:15","slug":"in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have","status":"publish","type":"post","link":"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/","title":{"rendered":"An\u00e1lise aprofundada: Quais s\u00e3o as inova\u00e7\u00f5es do rec\u00e9m-lan\u00e7ado Janus-Pro da DeepSeek?"},"content":{"rendered":"<div style=\"margin-top: 0px; margin-bottom: 0px;\" class=\"sharethis-inline-share-buttons\" ><\/div>\n<p>O DeepSeek atualizou seu site.<\/p>\n\n\n\n<p>Nas primeiras horas da v\u00e9spera de Ano Novo, a DeepSeek anunciou repentinamente no GitHub que o espa\u00e7o do projeto Janus havia aberto a fonte do modelo Janus-Pro e do relat\u00f3rio t\u00e9cnico.<\/p>\n\n\n\n<p>Primeiro, vamos destacar alguns pontos-chave:<\/p>\n\n\n\n<ol start=\"1\" class=\"wp-block-list\">\n<li>O <a href=\"https:\/\/huggingface.co\/deepseek-ai\/Janus-Pro-7B\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Modelo Janus-Pro<\/a> lan\u00e7ado desta vez \u00e9 um modelo multimodal que<strong> pode executar simultaneamente tarefas de compreens\u00e3o multimodal e gera\u00e7\u00e3o de imagens. Ele tem um total de duas vers\u00f5es de par\u00e2metros, <a href=\"https:\/\/huggingface.co\/deepseek-ai\/Janus-Pro-7B\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Janus-Pro-1B e Janus-Pro-7B<\/a>.<\/strong><\/li>\n\n\n\n<li>A principal inova\u00e7\u00e3o do Janus-Pro \u00e9 desacoplar<strong> compreens\u00e3o e gera\u00e7\u00e3o multimodal, duas tarefas diferentes. Isso permite que essas duas tarefas sejam conclu\u00eddas com efici\u00eancia no mesmo modelo<\/strong>.<\/li>\n\n\n\n<li>O Janus-Pro \u00e9 consistente com a arquitetura do modelo Janus lan\u00e7ado pela DeepSeek em outubro passado, mas naquela \u00e9poca o Janus n\u00e3o tinha muito volume. O Dr. Charles, um especialista em algoritmos no campo da vis\u00e3o, nos disse que o Janus anterior era \"mediano\" e \"n\u00e3o t\u00e3o bom quanto o modelo de linguagem do DeepSeek\".<\/li>\n<\/ol>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1870\" height=\"1804\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/720ad345-4902-46e0-9185-bc4f887ed302.png\" alt=\"\" class=\"wp-image-859\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/720ad345-4902-46e0-9185-bc4f887ed302.png 1870w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/720ad345-4902-46e0-9185-bc4f887ed302-300x289.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/720ad345-4902-46e0-9185-bc4f887ed302-1024x988.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/720ad345-4902-46e0-9185-bc4f887ed302-768x741.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/720ad345-4902-46e0-9185-bc4f887ed302-1536x1482.png 1536w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/720ad345-4902-46e0-9185-bc4f887ed302-12x12.png 12w\" sizes=\"auto, (max-width: 1870px) 100vw, 1870px\" \/><\/figure>\n\n\n\n<div id=\"ez-toc-container\" class=\"ez-toc-v2_0_72 counter-hierarchy ez-toc-counter ez-toc-grey ez-toc-container-direction\">\n<div class=\"ez-toc-title-container\">\n<p class=\"ez-toc-title\" style=\"cursor:inherit\">\u00cdndice<\/p>\n<span class=\"ez-toc-title-toggle\"><a href=\"#\" class=\"ez-toc-pull-right ez-toc-btn ez-toc-btn-xs ez-toc-btn-default ez-toc-toggle\" aria-label=\"Alternar tabela de conte\u00fado\"><span class=\"ez-toc-js-icon-con\"><span class=\"\"><span class=\"eztoc-hide\" style=\"display:none;\">Alternar<\/span><span class=\"ez-toc-icon-toggle-span\"><svg style=\"fill: #999;color:#999\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" class=\"list-377408\" width=\"20px\" height=\"20px\" viewbox=\"0 0 24 24\" fill=\"none\"><path d=\"M6 6H4v2h2V6zm14 0H8v2h12V6zM4 11h2v2H4v-2zm16 0H8v2h12v-2zM4 16h2v2H4v-2zm16 0H8v2h12v-2z\" fill=\"currentColor\"><\/path><\/svg><svg style=\"fill: #999;color:#999\" class=\"arrow-unsorted-368013\" xmlns=\"http:\/\/www.w3.org\/2000\/svg\" width=\"10px\" height=\"10px\" viewbox=\"0 0 24 24\" version=\"1.2\" baseprofile=\"tiny\"><path d=\"M18.2 9.3l-6.2-6.3-6.2 6.3c-.2.2-.3.4-.3.7s.1.5.3.7c.2.2.4.3.7.3h11c.3 0 .5-.1.7-.3.2-.2.3-.5.3-.7s-.1-.5-.3-.7zM5.8 14.7l6.2 6.3 6.2-6.3c.2-.2.3-.5.3-.7s-.1-.5-.3-.7c-.2-.2-.4-.3-.7-.3h-11c-.3 0-.5.1-.7.3-.2.2-.3.5-.3.7s.1.5.3.7z\"\/><\/svg><\/span><\/span><\/span><\/a><\/span><\/div>\n<nav><ul class='ez-toc-list ez-toc-list-level-1' ><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-1\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#It_is_intended_to_solve_the_industrys_difficult_problem_balancing_multimodal_understanding_and_image_generation\" title=\"O objetivo \u00e9 resolver o dif\u00edcil problema do setor: equilibrar a compreens\u00e3o multimodal e a gera\u00e7\u00e3o de imagens\">Seu objetivo \u00e9 resolver o dif\u00edcil problema do setor: equilibrar a compreens\u00e3o multimodal e a gera\u00e7\u00e3o de imagens<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-2\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#Januss_decoupled_architecture_and_Janus-Pros_optimized_training_strategy\" title=\"A arquitetura desacoplada do Janus e a estrat\u00e9gia de treinamento otimizada do Janus-Pro\">A arquitetura desacoplada do Janus e a estrat\u00e9gia de treinamento otimizada do Janus-Pro<\/a><ul class='ez-toc-list-level-3' ><li class='ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-3\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#First_lets_look_at_the_parameters\" title=\"Primeiro, vamos dar uma olhada nos par\u00e2metros.\">Primeiro, vamos dar uma olhada nos par\u00e2metros.<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-4\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#There_is_also_the_training_strategy\" title=\"H\u00e1 tamb\u00e9m a estrat\u00e9gia de treinamento.\">H\u00e1 tamb\u00e9m a estrat\u00e9gia de treinamento.<\/a><ul class='ez-toc-list-level-4' ><li class='ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-5\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#Stage_I_%E2%80%93_Longer_training_time\" title=\"Est\u00e1gio I - Tempo de treinamento mais longo\">Est\u00e1gio I - Tempo de treinamento mais longo<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-6\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#Stage_II_%E2%80%93_Removing_ImageNet_data_and_adding_multi-modal_data\" title=\"Est\u00e1gio II - Remo\u00e7\u00e3o dos dados do ImageNet e adi\u00e7\u00e3o de dados multimodais\">Est\u00e1gio II - Remo\u00e7\u00e3o dos dados do ImageNet e adi\u00e7\u00e3o de dados multimodais<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-7\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#Stage_III_%E2%80%93_Optimizing_the_data_ratio\" title=\"Est\u00e1gio III - Otimiza\u00e7\u00e3o da rela\u00e7\u00e3o de dados\">Est\u00e1gio III - Otimiza\u00e7\u00e3o da rela\u00e7\u00e3o de dados<\/a><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-3'><a class=\"ez-toc-link ez-toc-heading-8\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#Lets_look_at_the_training_data\" title=\"Vamos dar uma olhada nos dados de treinamento.\">Vamos dar uma olhada nos dados de treinamento.<\/a><ul class='ez-toc-list-level-4' ><li class='ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-9\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#Expansion_of_multimodal_understanding_data\" title=\"Expans\u00e3o dos dados de compreens\u00e3o multimodal:\">Expans\u00e3o dos dados de compreens\u00e3o multimodal:<\/a><\/li><li class='ez-toc-page-1 ez-toc-heading-level-4'><a class=\"ez-toc-link ez-toc-heading-10\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#Expansion_of_visual_generation_data\" title=\"Expans\u00e3o dos dados de gera\u00e7\u00e3o visual:\">Expans\u00e3o dos dados de gera\u00e7\u00e3o visual:<\/a><\/li><\/ul><\/li><\/ul><\/li><li class='ez-toc-page-1 ez-toc-heading-level-2'><a class=\"ez-toc-link ez-toc-heading-11\" href=\"https:\/\/janusai.pro\/pt\/in-depth-analysis-what-innovations-does-deepseeks-newly-released-janus-pro-have\/#The_continuation_of_an_efficiency_revolution\" title=\"A continua\u00e7\u00e3o de uma revolu\u00e7\u00e3o de efici\u00eancia?\">A continua\u00e7\u00e3o de uma revolu\u00e7\u00e3o de efici\u00eancia?<\/a><\/li><\/ul><\/nav><\/div>\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"It_is_intended_to_solve_the_industrys_difficult_problem_balancing_multimodal_understanding_and_image_generation\"><\/span><strong>Seu objetivo \u00e9 resolver o dif\u00edcil problema do setor: equilibrar a compreens\u00e3o multimodal e a gera\u00e7\u00e3o de imagens<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>De acordo com a introdu\u00e7\u00e3o oficial do DeepSeek, <a href=\"https:\/\/huggingface.co\/deepseek-ai\/Janus-Pro-7B\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">Janus-Pro <\/a>pode n\u00e3o apenas entender imagens, extrair e entender o texto nas imagens, mas tamb\u00e9m gerar imagens ao mesmo tempo.<\/p>\n\n\n\n<p>O relat\u00f3rio t\u00e9cnico menciona que, em compara\u00e7\u00e3o com outros modelos do mesmo tipo e ordem de magnitude, as pontua\u00e7\u00f5es do Janus-Pro-7B nos conjuntos de testes GenEval e DPG-Bench<strong> superam as de outros modelos, como o SD3-Medium e o DALL-E 3.<\/strong><\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"1067\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a30e3dd3-b95c-4745-a4f7-8c5ace36af17.png\" alt=\"\" class=\"wp-image-862\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a30e3dd3-b95c-4745-a4f7-8c5ace36af17.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a30e3dd3-b95c-4745-a4f7-8c5ace36af17-300x296.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a30e3dd3-b95c-4745-a4f7-8c5ace36af17-1024x1012.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a30e3dd3-b95c-4745-a4f7-8c5ace36af17-768x759.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a30e3dd3-b95c-4745-a4f7-8c5ace36af17-12x12.png 12w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<p>O funcion\u00e1rio tamb\u00e9m d\u00e1 exemplos \ud83d\udc47:<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"1295\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a063e5ec-bc07-4129-8ded-0ab90001bbfe.png\" alt=\"\" class=\"wp-image-866\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a063e5ec-bc07-4129-8ded-0ab90001bbfe.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a063e5ec-bc07-4129-8ded-0ab90001bbfe-250x300.png 250w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a063e5ec-bc07-4129-8ded-0ab90001bbfe-854x1024.png 854w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a063e5ec-bc07-4129-8ded-0ab90001bbfe-768x921.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/a063e5ec-bc07-4129-8ded-0ab90001bbfe-10x12.png 10w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<p>Tamb\u00e9m h\u00e1 muitos internautas no X testando os novos recursos.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"1429\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/c5235f43-349a-47a2-ae9f-dc5491d88d61.png\" alt=\"\" class=\"wp-image-867\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/c5235f43-349a-47a2-ae9f-dc5491d88d61.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/c5235f43-349a-47a2-ae9f-dc5491d88d61-227x300.png 227w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/c5235f43-349a-47a2-ae9f-dc5491d88d61-774x1024.png 774w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/c5235f43-349a-47a2-ae9f-dc5491d88d61-768x1016.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/c5235f43-349a-47a2-ae9f-dc5491d88d61-9x12.png 9w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"1616\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/61c76adf-1b00-4b38-8504-a47410160d3b.png\" alt=\"\" class=\"wp-image-869\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/61c76adf-1b00-4b38-8504-a47410160d3b.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/61c76adf-1b00-4b38-8504-a47410160d3b-200x300.png 200w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/61c76adf-1b00-4b38-8504-a47410160d3b-684x1024.png 684w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/61c76adf-1b00-4b38-8504-a47410160d3b-768x1149.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/61c76adf-1b00-4b38-8504-a47410160d3b-1027x1536.png 1027w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/61c76adf-1b00-4b38-8504-a47410160d3b-8x12.png 8w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<p>Mas tamb\u00e9m h\u00e1 falhas ocasionais.<\/p>\n\n\n\n<p>Ao consultar os documentos t\u00e9cnicos sobre <a href=\"https:\/\/www.deepseek.com\/\" target=\"_blank\" rel=\"noreferrer noopener nofollow\">DeepSeek<\/a>Em uma pesquisa de mercado, descobrimos que o Janus Pro \u00e9 uma otimiza\u00e7\u00e3o baseada no Janus, que foi lan\u00e7ado h\u00e1 tr\u00eas meses.<\/p>\n\n\n\n<p>A principal inova\u00e7\u00e3o dessa s\u00e9rie de modelos \u00e9<strong> dissociar as tarefas de compreens\u00e3o visual das tarefas de gera\u00e7\u00e3o visual, de modo que os efeitos das duas tarefas possam ser equilibrados.<\/strong><\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"538\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/0fc71a9c-e23b-4ae9-976c-a4820124628e.png\" alt=\"\" class=\"wp-image-861\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/0fc71a9c-e23b-4ae9-976c-a4820124628e.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/0fc71a9c-e23b-4ae9-976c-a4820124628e-300x149.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/0fc71a9c-e23b-4ae9-976c-a4820124628e-1024x510.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/0fc71a9c-e23b-4ae9-976c-a4820124628e-768x383.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/0fc71a9c-e23b-4ae9-976c-a4820124628e-18x9.png 18w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<p>N\u00e3o \u00e9 incomum que um modelo realize a compreens\u00e3o e a gera\u00e7\u00e3o multimodais ao mesmo tempo. O D-DiT e o TokenFlow-XL nesse conjunto de testes t\u00eam essa capacidade.<\/p>\n\n\n\n<p>Entretanto, o que \u00e9 caracter\u00edstico da Janus \u00e9 que<strong> Ao desacoplar o processamento, um modelo que pode realizar a compreens\u00e3o e a gera\u00e7\u00e3o multimodais equilibra a efic\u00e1cia das duas tarefas.<\/strong><\/p>\n\n\n\n<p><strong>Equilibrar a efic\u00e1cia das duas tarefas \u00e9 um problema dif\u00edcil no setor.<\/strong> Anteriormente, a ideia era usar o mesmo codificador para implementar a compreens\u00e3o e a gera\u00e7\u00e3o multimodais o m\u00e1ximo poss\u00edvel.<\/p>\n\n\n\n<p>As vantagens dessa abordagem s\u00e3o uma arquitetura simples, nenhuma implementa\u00e7\u00e3o redundante e um alinhamento com os modelos de texto (que tamb\u00e9m usam os mesmos m\u00e9todos para gerar e entender o texto). Outro argumento \u00e9 que essa fus\u00e3o de v\u00e1rias habilidades pode levar a um certo grau de emerg\u00eancia.<\/p>\n\n\n\n<p>No entanto, de fato, ap\u00f3s a fus\u00e3o da gera\u00e7\u00e3o e da compreens\u00e3o, as duas tarefas entrar\u00e3o em conflito - a compreens\u00e3o da imagem exige que o modelo abstraia em altas dimens\u00f5es e extraia a sem\u00e2ntica central da imagem, que \u00e9 tendenciosa para o macrosc\u00f3pico. A gera\u00e7\u00e3o de imagens, por outro lado, concentra-se na express\u00e3o e na gera\u00e7\u00e3o de detalhes locais no n\u00edvel do pixel.<\/p>\n\n\n\n<p>A pr\u00e1tica usual do setor \u00e9 priorizar os recursos de gera\u00e7\u00e3o de imagens. Isso resulta em modelos multimodais que<strong> podem gerar imagens de alta qualidade, mas os resultados da compreens\u00e3o da imagem geralmente s\u00e3o med\u00edocres.<\/strong><\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Januss_decoupled_architecture_and_Janus-Pros_optimized_training_strategy\"><\/span><strong>A arquitetura desacoplada do Janus e a estrat\u00e9gia de treinamento otimizada do Janus-Pro<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>A arquitetura desacoplada do Janus permite que o modelo equilibre as tarefas de compreens\u00e3o e gera\u00e7\u00e3o por conta pr\u00f3pria.<\/p>\n\n\n\n<p>De acordo com os resultados do relat\u00f3rio t\u00e9cnico oficial, seja na compreens\u00e3o multimodal ou na gera\u00e7\u00e3o de imagens, o Janus-Pro-7B tem um bom desempenho em v\u00e1rios conjuntos de testes.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"976\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/f280e5d6-7150-40d3-bf81-7e5e5b780129.png\" alt=\"\" class=\"wp-image-863\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/f280e5d6-7150-40d3-bf81-7e5e5b780129.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/f280e5d6-7150-40d3-bf81-7e5e5b780129-300x271.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/f280e5d6-7150-40d3-bf81-7e5e5b780129-1024x925.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/f280e5d6-7150-40d3-bf81-7e5e5b780129-768x694.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/f280e5d6-7150-40d3-bf81-7e5e5b780129-13x12.png 13w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<p><strong>Para compreens\u00e3o multimodal,<\/strong> O Janus-Pro-7B alcan\u00e7ou o primeiro lugar em quatro dos sete conjuntos de dados de avalia\u00e7\u00e3o e o segundo lugar nos tr\u00eas restantes, um pouco atr\u00e1s do modelo mais bem classificado.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"1062\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/782c767f-e8d3-4d5c-9e2d-638c102f7dff.png\" alt=\"\" class=\"wp-image-865\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/782c767f-e8d3-4d5c-9e2d-638c102f7dff.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/782c767f-e8d3-4d5c-9e2d-638c102f7dff-300x295.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/782c767f-e8d3-4d5c-9e2d-638c102f7dff-1024x1007.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/782c767f-e8d3-4d5c-9e2d-638c102f7dff-768x755.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/782c767f-e8d3-4d5c-9e2d-638c102f7dff-12x12.png 12w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<p><strong>Para gera\u00e7\u00e3o de imagens,<\/strong> O Janus-Pro-7B obteve o primeiro lugar na pontua\u00e7\u00e3o geral nos conjuntos de dados de avalia\u00e7\u00e3o GenEval e DPG-Bench.<\/p>\n\n\n\n<p>Esse efeito multitarefa se deve principalmente ao fato de a s\u00e9rie Janus usar dois codificadores visuais para tarefas diferentes:<\/p>\n\n\n\n<ol start=\"1\" class=\"wp-block-list\">\n<li><strong>Compreens\u00e3o do codificador:<\/strong> usado para extrair recursos sem\u00e2nticos em imagens para tarefas de compreens\u00e3o de imagens (como perguntas e respostas sobre imagens, classifica\u00e7\u00e3o visual etc.).<\/li>\n\n\n\n<li><strong>Codificador generativo:<\/strong> converte imagens em uma representa\u00e7\u00e3o discreta (por exemplo, usando um codificador VQ) para tarefas de gera\u00e7\u00e3o de texto para imagem.<\/li>\n<\/ol>\n\n\n\n<p>Com essa arquitetura,<strong> o modelo pode otimizar de forma independente o desempenho de cada codificador, de modo que as tarefas de compreens\u00e3o e gera\u00e7\u00e3o multimodais possam atingir seu melhor desempenho.<\/strong><\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"565\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/81defdea-eadb-4fc7-8395-4c365c44d502.png\" alt=\"\" class=\"wp-image-860\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/81defdea-eadb-4fc7-8395-4c365c44d502.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/81defdea-eadb-4fc7-8395-4c365c44d502-300x157.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/81defdea-eadb-4fc7-8395-4c365c44d502-1024x536.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/81defdea-eadb-4fc7-8395-4c365c44d502-768x402.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/81defdea-eadb-4fc7-8395-4c365c44d502-18x9.png 18w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<p><strong>Essa arquitetura desacoplada \u00e9 comum ao Janus-Pro e ao Janus. Ent\u00e3o, quais itera\u00e7\u00f5es o Janus-Pro teve nos \u00faltimos meses?<\/strong><\/p>\n\n\n\n<p>Como pode ser visto nos resultados do conjunto de avalia\u00e7\u00e3o, a vers\u00e3o atual do Janus-Pro-1B tem uma melhoria de cerca de 10% a 20% nas pontua\u00e7\u00f5es de diferentes conjuntos de avalia\u00e7\u00e3o em compara\u00e7\u00e3o com o Janus anterior. O Janus-Pro-7B tem a maior melhoria de cerca de 45% em compara\u00e7\u00e3o com o Janus depois de expandir o n\u00famero de par\u00e2metros.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"185\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/746d1d6f-9a07-4922-9b59-717614ef0738.png\" alt=\"\" class=\"wp-image-858\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/746d1d6f-9a07-4922-9b59-717614ef0738.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/746d1d6f-9a07-4922-9b59-717614ef0738-300x51.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/746d1d6f-9a07-4922-9b59-717614ef0738-1024x175.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/746d1d6f-9a07-4922-9b59-717614ef0738-768x132.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/746d1d6f-9a07-4922-9b59-717614ef0738-18x3.png 18w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1080\" height=\"430\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/9361ef86-87ce-4f84-9cdd-71ef95a9f4b1.png\" alt=\"\" class=\"wp-image-864\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/9361ef86-87ce-4f84-9cdd-71ef95a9f4b1.png 1080w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/9361ef86-87ce-4f84-9cdd-71ef95a9f4b1-300x119.png 300w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/9361ef86-87ce-4f84-9cdd-71ef95a9f4b1-1024x408.png 1024w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/9361ef86-87ce-4f84-9cdd-71ef95a9f4b1-768x306.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/9361ef86-87ce-4f84-9cdd-71ef95a9f4b1-18x7.png 18w\" sizes=\"auto, (max-width: 1080px) 100vw, 1080px\" \/><\/figure>\n\n\n\n<p>Em termos de detalhes de treinamento, o relat\u00f3rio t\u00e9cnico afirma que a vers\u00e3o atual do Janus-Pro, em compara\u00e7\u00e3o com o modelo Janus anterior, mant\u00e9m o design da arquitetura principal desacoplada e, al\u00e9m disso, itera sobre<strong> tamanho do par\u00e2metro, estrat\u00e9gia de treinamento e dados de treinamento.<\/strong><\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"First_lets_look_at_the_parameters\"><\/span><strong>Primeiro, vamos dar uma olhada nos par\u00e2metros<\/strong>.<span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>A primeira vers\u00e3o do Janus tinha apenas 1,3B par\u00e2metros, e a vers\u00e3o atual do Pro inclui modelos com 1B e 7B par\u00e2metros.<\/p>\n\n\n\n<p>Esses dois tamanhos refletem a escalabilidade da arquitetura Janus. O modelo 1B, que \u00e9 o mais leve, j\u00e1 foi usado por usu\u00e1rios externos para execu\u00e7\u00e3o no navegador usando WebGPU.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"There_is_also_the_training_strategy\"><\/span><strong>H\u00e1 tamb\u00e9m <\/strong><strong>o<\/strong><strong> estrat\u00e9gia de treinamento.<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>De acordo com a divis\u00e3o da fase de treinamento do Janus, o Janus Pro tem um total de tr\u00eas fases de treinamento, e o documento as divide diretamente em Est\u00e1gio I, Est\u00e1gio II e Est\u00e1gio III.<\/p>\n\n\n\n<p>Embora tenha mantido as ideias e os objetivos b\u00e1sicos de treinamento de cada fase, o Janus-Pro aprimorou a dura\u00e7\u00e3o e os dados de treinamento nas tr\u00eas fases. Veja a seguir os aprimoramentos espec\u00edficos nas tr\u00eas fases:<\/p>\n\n\n\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Stage_I_%E2%80%93_Longer_training_time\"><\/span><strong>Est\u00e1gio I - Tempo de treinamento mais longo<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h4>\n\n\n\n<p>Em compara\u00e7\u00e3o com o Janus, o Janus-Pro estendeu o tempo de treinamento no Est\u00e1gio I, especialmente no treinamento de adaptadores e cabe\u00e7as de imagem na parte visual. Isso significa que o aprendizado de recursos visuais recebeu mais tempo de treinamento, e espera-se que o modelo possa compreender totalmente os recursos detalhados das imagens (como o mapeamento de pixel para sem\u00e2ntica).<\/p>\n\n\n\n<p>Esse treinamento estendido ajuda a garantir que o treinamento da parte visual n\u00e3o seja prejudicado por outros m\u00f3dulos.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Stage_II_%E2%80%93_Removing_ImageNet_data_and_adding_multi-modal_data\"><\/span><strong>Est\u00e1gio II - Remo\u00e7\u00e3o dos dados do ImageNet e adi\u00e7\u00e3o de dados multimodais<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h4>\n\n\n\n<p>No Est\u00e1gio II, Janus fez refer\u00eancia pr\u00e9via ao PixArt e treinou em duas partes. A primeira parte foi treinada usando o conjunto de dados ImageNet para a tarefa de classifica\u00e7\u00e3o de imagens, e a segunda parte foi treinada usando dados regulares de texto para imagem. Cerca de dois ter\u00e7os do tempo no Est\u00e1gio II foram gastos no treinamento da primeira parte.<\/p>\n\n\n\n<p>O Janus-Pro remove o treinamento do ImageNet no Est\u00e1gio II. Esse design permite que o modelo se concentre nos dados de texto para imagem durante o treinamento do Est\u00e1gio II. De acordo com os resultados experimentais, isso pode melhorar significativamente a utiliza\u00e7\u00e3o de dados de texto para imagem.<\/p>\n\n\n\n<p>Al\u00e9m do ajuste do design do m\u00e9todo de treinamento, o conjunto de dados de treinamento usado no Est\u00e1gio II n\u00e3o est\u00e1 mais limitado a uma \u00fanica tarefa de classifica\u00e7\u00e3o de imagem, mas tamb\u00e9m inclui mais outros tipos de dados multimodais, como descri\u00e7\u00e3o de imagem e di\u00e1logo, para treinamento conjunto.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Stage_III_%E2%80%93_Optimizing_the_data_ratio\"><\/span><strong>Est\u00e1gio III - Otimiza\u00e7\u00e3o da rela\u00e7\u00e3o de dados<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h4>\n\n\n\n<p>No treinamento do Est\u00e1gio III, o Janus-Pro ajusta a propor\u00e7\u00e3o de diferentes tipos de dados de treinamento.<\/p>\n\n\n\n<p>Anteriormente, a propor\u00e7\u00e3o de dados de compreens\u00e3o multimodal, dados de texto simples e dados de texto para imagem nos dados de treinamento usados pelo Janus no Est\u00e1gio III era de 7:3:10. O Janus-Pro reduz a propor\u00e7\u00e3o dos dois \u00faltimos tipos de dados e ajusta a propor\u00e7\u00e3o dos tr\u00eas tipos de dados para 5:1:4, ou seja, dando mais aten\u00e7\u00e3o \u00e0 tarefa de compreens\u00e3o multimodal.<\/p>\n\n\n\n<h3 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Lets_look_at_the_training_data\"><\/span><strong>Vamos dar uma olhada nos dados de treinamento.<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h3>\n\n\n\n<p>Em compara\u00e7\u00e3o com o Janus, o Janus-Pro dessa vez aumenta significativamente a quantidade de produtos de alta qualidade.<strong> dados sint\u00e9ticos.<\/strong><\/p>\n\n\n\n<p>Ele amplia a quantidade e a variedade de dados de treinamento para compreens\u00e3o multimodal e gera\u00e7\u00e3o de imagens.<\/p>\n\n\n\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Expansion_of_multimodal_understanding_data\"><\/span><strong>Expans\u00e3o dos dados de compreens\u00e3o multimodal:<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h4>\n\n\n\n<p>O Janus-Pro refere-se ao conjunto de dados DeepSeek-VL2 durante o treinamento e acrescenta cerca de 90 milh\u00f5es de pontos de dados adicionais, incluindo n\u00e3o apenas conjuntos de dados de descri\u00e7\u00e3o de imagens, mas tamb\u00e9m conjuntos de dados de cenas complexas, como tabelas, gr\u00e1ficos e documentos.<\/p>\n\n\n\n<p>Durante o est\u00e1gio de ajuste fino supervisionado (Est\u00e1gio III), ele continua a adicionar conjuntos de dados relacionados \u00e0 compreens\u00e3o do MEME e ao aprimoramento da experi\u00eancia de di\u00e1logo (incluindo o di\u00e1logo em chin\u00eas).<\/p>\n\n\n\n<h4 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"Expansion_of_visual_generation_data\"><\/span><strong>Expans\u00e3o dos dados de gera\u00e7\u00e3o visual:<\/strong><span class=\"ez-toc-section-end\"><\/span><\/h4>\n\n\n\n<p>Os dados originais do mundo real tinham baixa qualidade e altos n\u00edveis de ru\u00eddo, o que fazia com que o modelo produzisse resultados inst\u00e1veis e imagens de qualidade est\u00e9tica insuficiente em tarefas de texto para imagem.<\/p>\n\n\n\n<p>O Janus-Pro adicionou cerca de 72 milh\u00f5es de novos dados sint\u00e9ticos altamente est\u00e9ticos \u00e0 fase de treinamento, elevando a propor\u00e7\u00e3o de dados reais para dados sint\u00e9ticos na fase de pr\u00e9-treinamento para 1:1.<\/p>\n\n\n\n<p>Os prompts para os dados sint\u00e9ticos foram todos retirados de recursos p\u00fablicos. Os experimentos mostraram que a adi\u00e7\u00e3o desses dados faz o modelo convergir mais rapidamente, e as imagens geradas apresentam melhorias \u00f3bvias em termos de estabilidade e beleza visual.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\"><span class=\"ez-toc-section\" id=\"The_continuation_of_an_efficiency_revolution\"><\/span>A continua\u00e7\u00e3o de uma revolu\u00e7\u00e3o de efici\u00eancia?<span class=\"ez-toc-section-end\"><\/span><\/h2>\n\n\n\n<p>Em geral, com esse lan\u00e7amento, o DeepSeek trouxe a revolu\u00e7\u00e3o da efici\u00eancia para os modelos visuais.<\/p>\n\n\n\n<p>Diferentemente dos modelos visuais que se concentram em uma \u00fanica fun\u00e7\u00e3o ou dos modelos multimodais que favorecem uma tarefa espec\u00edfica, o Janus-Pro equilibra os efeitos das duas principais tarefas de gera\u00e7\u00e3o de imagens e compreens\u00e3o multimodal no mesmo modelo.<\/p>\n\n\n\n<p>Al\u00e9m disso, apesar de seus par\u00e2metros pequenos, ele superou o OpenAI DALL-E 3 e o SD3-Medium na avalia\u00e7\u00e3o.<\/p>\n\n\n\n<p>Estendida ao solo, a empresa s\u00f3 precisa implantar um modelo para implementar diretamente as duas fun\u00e7\u00f5es de gera\u00e7\u00e3o e compreens\u00e3o de imagens. Juntamente com um tamanho de apenas 7B, a dificuldade e o custo da implementa\u00e7\u00e3o s\u00e3o muito menores.<\/p>\n\n\n\n<p>Em conex\u00e3o com os lan\u00e7amentos anteriores de R1 e V3, a DeepSeek est\u00e1 desafiando as regras existentes do jogo com<strong> \"inova\u00e7\u00e3o arquitet\u00f4nica compacta, modelos leves, modelos de c\u00f3digo aberto e custos de treinamento ultrabaixos\"<\/strong>. Esse \u00e9 o motivo do p\u00e2nico entre os gigantes ocidentais da tecnologia e at\u00e9 mesmo em Wall Street.<\/p>\n\n\n\n<p>Agora mesmo, Sam Altman, que vem sendo arrastado pela opini\u00e3o p\u00fablica h\u00e1 v\u00e1rios dias, finalmente respondeu positivamente \u00e0s informa\u00e7\u00f5es sobre o DeepSeek on X - ao elogiar o R1, ele disse que a OpenAI far\u00e1 alguns an\u00fancios.<\/p>\n\n\n\n<figure class=\"wp-block-image\"><img loading=\"lazy\" decoding=\"async\" width=\"1051\" height=\"1280\" src=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/ade0e532-b451-4eff-832f-dcf20cff8f64.png\" alt=\"\" class=\"wp-image-868\" srcset=\"https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/ade0e532-b451-4eff-832f-dcf20cff8f64.png 1051w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/ade0e532-b451-4eff-832f-dcf20cff8f64-246x300.png 246w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/ade0e532-b451-4eff-832f-dcf20cff8f64-841x1024.png 841w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/ade0e532-b451-4eff-832f-dcf20cff8f64-768x935.png 768w, https:\/\/janusai.pro\/wp-content\/uploads\/2025\/02\/ade0e532-b451-4eff-832f-dcf20cff8f64-10x12.png 10w\" sizes=\"auto, (max-width: 1051px) 100vw, 1051px\" \/><\/figure>","protected":false},"excerpt":{"rendered":"<p>A DeepSeek atualizou seu site. Nas primeiras horas da v\u00e9spera de Ano Novo, o DeepSeek anunciou repentinamente no GitHub que o espa\u00e7o do projeto Janus havia aberto a fonte do modelo Janus-Pro e do relat\u00f3rio t\u00e9cnico. Primeiro, vamos destacar alguns pontos importantes: O objetivo \u00e9 resolver o dif\u00edcil problema do setor: equilibrar a compreens\u00e3o multimodal e a gera\u00e7\u00e3o de imagens...<\/p>","protected":false},"author":2,"featured_media":704,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_kadence_starter_templates_imported_post":false,"_kad_post_transparent":"","_kad_post_title":"","_kad_post_layout":"","_kad_post_sidebar_id":"","_kad_post_content_style":"","_kad_post_vertical_padding":"","_kad_post_feature":"","_kad_post_feature_position":"","_kad_post_header":false,"_kad_post_footer":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-857","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-uncategorized"],"_links":{"self":[{"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/posts\/857","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/comments?post=857"}],"version-history":[{"count":1,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/posts\/857\/revisions"}],"predecessor-version":[{"id":870,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/posts\/857\/revisions\/870"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/media\/704"}],"wp:attachment":[{"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/media?parent=857"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/categories?post=857"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/janusai.pro\/pt\/wp-json\/wp\/v2\/tags?post=857"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}