模型详情
模型介绍
中文整理# DeepSeek-VL2 模型卡片
模型概述
DeepSeek-VL2 是先进的混合专家（MoE）视觉语言模型系列，在其前代DeepSeek-VL基础上进行了显著改进。该系列包含三个变体：DeepSeek-VL2-Tiny（1.0B激活参数）、DeepSeek-VL2-Small（2.8B激活参数）和DeepSeek-VL2（4.5B激活参数）。DeepSeek-VL2基于DeepSeekMoE-16B构建。
## 主要能力
DeepSeek-VL2在多种任务上展现出卓越能力，包括但不限于：视觉问答、光学字符识别（OCR）、文档理解、表格理解、图表理解以及视觉定位。该模型在相似或更少激活参数条件下，实现了与现有开源稠密模型和MoE模型相当或更优的性能。
## 输入输出
- *输入**：图像数据。建议将图像padding至384×384作为输入，无需分块处理。
- *输出**：视觉语言理解结果，包括问答文本、识别内容、理解分析等。
运行要求
- Python环境：3.8或更高版本
- 需安装相应依赖包
- 硬件要求视具体部署规模而定
基本用法
- 确保Python版本不低于3.8
- 安装所需依赖
- 根据具体场景加载相应模型变体
- 输入图像进行推理
许可证
本代码仓库采用MIT许可证。DeepSeek-VL2模型的使用受DeepSeek模型许可证约束。该系列支持商业用途。
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。