跳到正文

DeepSeek-VL2

面向多模态理解的混合专家视觉语言模型

访问官网

DeepSeek-VL2 是什么

DeepSeek-VL2 被介绍为一系列大型 Mixture-of-Experts 视觉语言模型,相较前代 DeepSeek-VL 有显著提升,在视觉问答、光学字符识别、文档/表格/图表理解与视觉定位等任务上具备能力。

你可以用它做什么

  • 理解并回答与图像相关的问题
  • 识别图像中的文字信息
  • 解析文档、表格与图表内容
  • 定位图像中特定物体的位置

优点与缺点

✓ 我们认可的地方

  • 在同一模型中结合视觉与语言信息
  • 资料称在激活参数相似或更少时具备竞争性性能

! 需要留意的地方

  • 三个变体的激活参数量不同
  • 推理从安装依赖并加载模型路径开始

常见问题

包含哪三个变体?

资料列出 DeepSeek-VL2-Tiny、DeepSeek-VL2-Small 和 DeepSeek-VL2,激活参数为 1.0B、2.8B 和 4.5B。

资料列出哪些任务?

视觉问答、文字识别与文档、表格、图表理解。

最后评测: 2026-11-15

更多 大模型 API 平台 工具

查看全部 →

评测方法