
Autoregressives Framework auf dem Janus Pro 7B-Modell, das multimodales Verständnis und Bilderzeugung in einer Architektur vereint.
Autoregressives Framework auf dem Janus Pro 7B-Modell, das multimodales Verständnis und Bilderzeugung in einer Architektur vereint.
Auch bekannt als DeepSeek Janus-Pro DeepSeek, Janus-Pro-DeepSeek
janus-pro-deepseek/v1/images/generationsPOST/v1/chat/completionsPOST/v1/images/analysisPOST/v1beta/models/janus-pro-deepseek:generateContentdeepseek/janus-pro-7bjanus-proLive Pay-as-you-go-Preise aus dem EmpirioLabs-Katalog. Du zahlst nur für das, was du nutzt, ohne monatliches Minimum.
Janus-Pro DeepSeek bedient die OpenAI-kompatible Chat Completions API. Richte ein beliebiges OpenAI SDK mit deinem EmpirioLabs API-Schlüssel auf https://api.empiriolabs.ai/v1 und verwende die Modell-ID janus-pro-deepseek. Hol dir einen API-Schlüssel im EmpirioLabs Dashboard.
curl https://api.empiriolabs.ai/v1/chat/completions \
-H "Authorization: Bearer $EMPIRIOLABS_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "janus-pro-deepseek",
"messages": [
{"role": "user", "content": "Write a haiku about the ocean."}
]
}'from openai import OpenAI
client = OpenAI(
base_url="https://api.empiriolabs.ai/v1",
api_key="YOUR_EMPIRIOLABS_API_KEY",
)
response = client.chat.completions.create(
model="janus-pro-deepseek",
messages=[{"role": "user", "content": "Write a haiku about the ocean."}],
)
print(response.choices[0].message.content)Request-Parameter, die die Janus-Pro DeepSeek API auf EmpirioLabs unterstützt. Standardwerte gelten, wenn ein Feld weggelassen wird.
| Parameter | Typ | Standard | Bereich / Werte | Beschreibung |
|---|---|---|---|---|
| prompt | string | - | - | Textbeschreibung zur Bilderzeugung. |
| generation_image_size | enum | square | square, square_hd, portrait_4_3, portrait_16_9, landscape_4_3... | Ausgabebildmaße (z. B. 384x384, 768x768). |
| generation_temperature | number | 1 | 0.1 bis 2 | Sampling-Temperatur zur Bilderzeugung. Höher = mehr Variation. |
| generation_cfg_weight | number | 5 | 1 bis 20 | Klassifikatorfreies Führungsgewicht. Höher = näher am Prompt, aber weniger kreativ. |
| generation_num_images | number | 1 | 1 bis 4 | Wie viele Bilder erzeugt werden sollen (1–4). |
| generation_seed | number | - | - | Zufälliger Seed zur Reproduzierbarkeit. Gleicher Seed + Prompt = gleicher Output. |
| image_url | string | - | - | URL eines zu analysierenden Bildes (Bildverstehungsmodus). |
| question | string | - | - | Frage zu beantworten bezüglich des bereitgestellten Bildes. |
| analysis_temperature | number | 0.1 | 0 bis 1 | Sampling-Temperatur für die Bildanalyse. Höher = mehr Variation. |
| analysis_top_p | number | 0.95 | 0.1 bis 1 | Kernprobenproben-Wahrscheinlichkeitsmasse für Bildanalyse. |
| analysis_seed | number | - | - | Zufälliger Seed für die Reproduzierbarkeit der Analyseergebnisse. |
Bilderzeugung und Bildanalyse werden jeweils pro Bild abgerechnet. Inhaltssicherheit – Generierte Bilder bestehen eine automatisierte Inhaltssicherheitsprüfung. Ein als explizit markiertes Bild wird nicht zurückgegeben. Da das Bild vor der Überprüfung erzeugt wird, wird eine markierte Generierung weiterhin berechnet.
Auf EmpirioLabs wird Janus-Pro DeepSeek nach Verbrauch abgerechnet: Bilderzeugung $0.030 pro Bild; Bildanalyse $0.030 pro hochgeladenem Bild. Die Live-Preistabelle auf dieser Seite entspricht immer dem, was die API berechnet.
Ja. Janus-Pro DeepSeek bedient die OpenAI-kompatible Chat Completions API. Bestehende OpenAI SDKs funktionieren, indem du base_url auf https://api.empiriolabs.ai/v1 setzt und als Modell-ID janus-pro-deepseek verwendest.
Ja. Der EmpirioLabs Playground führt Janus-Pro DeepSeek im Browser mit denselben Parametern aus, die die API bietet. So kannst du Prompts testen, bevor du Code schreibst.
Erstelle ein EmpirioLabs-Konto und generiere dann einen Schlüssel unter API Keys im Dashboard. Die Abrechnung erfolgt über Pay-as-you-go-Guthaben, du zahlst also nur für deine Requests.
Schauen Sie sich unsere Preise an oder kontaktieren Sie uns, wenn Sie Ihr eigenes Modell auf unserem Stack implementieren möchten.