模型详情
模型介绍
中文整理DeepSeek-VL2 模型卡片
模型用途
DeepSeek-VL2 是一款先进的混合专家（MoE）视觉语言模型系列，旨在提升多模态理解能力。
主要能力
该模型在以下任务中表现出色：视觉问答、光学字符识别、文档理解、表格理解、图表理解以及视觉定位。
模型系列包含三个变体：
- DeepSeek-VL2-Tiny：1.0B 激活参数
- DeepSeek-VL2-Small：2.8B 激活参数
- DeepSeek-VL2：4.5B 激活参数
DeepSeek-VL2 在相同或更少激活参数下，达到了与现有开源稠密模型和 MoE 模型相当或更优的性能表现。
输入输出
输入：图像和文本的组合输入
输出：文本形式的理解和回答
运行要求
- Python 环境：3.8 或更高版本
- 基础模型：DeepSeekMoE-27B
- 图像处理：对于高分辨率图像，直接填充至 384×384 像素作为输入，无需分块处理
基本用法
建议将温度参数设置为 T = 0.9 以获得最佳效果。各变体之间的主要区别在于底层语言模型的不同。
许可证
- 代码仓库：MIT 许可证
- 模型使用：受 DeepSeek 模型许可证约束
- 商业用途：DeepSeek-VL2 系列支持商业使用
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
所选固定版本的完整仓库文件，包括模型权重、配置、分词器，以及作者提供的说明和其他文件。自动保留目录结构，不需要逐个选择或下载。
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。