模型详情
模型介绍
中文整理模型名称
DeepSeek-VL
模型用途
DeepSeek-VL 是一个开源的视觉语言模型，用于现实世界的视觉和语言理解应用。
主要能力
具备通用多模态理解能力，能够处理逻辑图表、网页、公式识别、科学文献、自然图像以及复杂场景中的具身智能任务。
技术参数
DeepSeek-VL-7b-base 采用 SigLIP-L 和 SAM-B 作为混合视觉编码器，支持 1024 x 1024 图像输入。基于 DeepSeek-LLM-7b-base 构建，该基础模型在约 2T 文本 tokens 的语料上训练。整个 DeepSeek-VL-7b-base 模型最终围绕 400B 视觉语言 tokens 进行训练。
运行要求
需要 Python 3.8 或更高版本环境。
许可证
本代码仓库采用 MIT 许可证。DeepSeek-VL Base/Chat 模型的使用受 DeepSeek 模型许可证约束。DeepSeek-VL 系列（包括 Base 和 Chat）支持商业使用。
联系方式
如有问题，请提交 issue 或联系 service@deepseek.com。
优先采用原作者提供的中文模型卡片；仅有英文说明时由闲社AI翻译整理。重要参数、许可证和商用范围请以原文为准。
你将获得什么
完整仓库方式包含该固定版本中的权重、配置、分词器及说明文件；指定版本方式只下载所选文件或整组分片。多模态模型的投影文件、配置等依赖，请按作者说明配齐。
完整仓库可能包含多个权重格式，因此需要的磁盘空间可能大于单一格式的模型大小。下载文件不等于完成模型部署。
使用前须知
运行环境运行模型需要的设备、工具与依赖，以原作者说明为准。
授权范围是否允许商用、修改和分发，请查看模型许可证。
闲社提供资料与镜像下载方法，不代表已运行模型或完成安全审计。下载的代码应先检查，再执行。
资料或下载有问题？
登录后可提交反馈。
