DeepSeek-VL2 是 DeepSeek 的 MoE 视觉语言模型系列，在 DeepSeek-VL 基础上大幅改进，覆盖视觉问答、OCR、文档/表格/图表理解、视觉定位。分 Tiny（激活 1.0B）、Small（2.8B）、VL2（4.5B）三档，序列长度 4096。
一、项目官方信息
| 项目 | 信息 |
|---|---|
| GitHub 仓库 | https://github.com/deepseek-ai/DeepSeek-VL2 |
| 官方网站 | https://www.deepseek.com |
| Hugging Face | https://huggingface.co/deepseek-ai |
| 论文 | https://arxiv.org/abs/2412.10302 |
| 开源协议 | 代码 MIT；模型遵循 Model License（支持商用） |
| 主要语言 | Python（约 93.5%） |
| Star 数 | 约 5.4k |
二、官方图片
DeepSeek-VL2 视觉语言模型：
三、环境要求
- Python ≥ 3.8；
- 单图推理：README 注明 small 约需 80GB 显存，VL2 更大；
- Tiny 可在小卡上跑。
四、完整部署步骤
1. 克隆并安装
git clone https://github.com/deepseek-ai/DeepSeek-VL2.git
cd DeepSeek-VL2
pip install -e .
2. 下载模型
| 模型 | 序列长度 | 下载 |
|---|---|---|
| deepseek-vl2-tiny | 4096 | https://huggingface.co/deepseek-ai/deepseek-vl2-tiny |
| deepseek-vl2-small | 4096 | https://huggingface.co/deepseek-ai/deepseek-vl2-small |
| deepseek-vl2 | 4096 | https://huggingface.co/deepseek-ai/deepseek-vl2 |
3. 单图推理示例
import torch
from transformers import AutoModelForCausalLM
from deepseek_vl2.models import DeepseekVLV2Processor, DeepseekVLV2ForCausalLM
from deepseek_vl2.utils.io import load_pil_images
model_path = "deepseek-ai/deepseek-vl2-tiny"
vl_chat_processor = DeepseekVLV2Processor.from_pretrained(model_path)
tokenizer = vl_chat_processor.tokenizer
vl_gpt = AutoModelForCausalLM.from_pretrained(model_path, trust_remote_code=True)
4. 在线 Demo
Hugging Face Space：https://huggingface.co/spaces/deepseek-ai/deepseek-vl2-small 。
五、使用方法
能力
- 视觉问答（VQA）；
- OCR；
- 文档/表格/图表理解；
- 视觉定位（grounding）。
评估
VLMEvalKit 已集成，支持增量预填充（incremental pre-filling）。
Gradio Demo
仓库提供 Gradio 示例，本地启动可视化界面。
六、常见问题 FAQ
1. 为什么叫 VL2？ DeepSeek-VL 是第一代，VL2 是 MoE 升级版。
2. 三档怎么选？ Tiny 实验、Small 平衡、VL2 最强；Small 已需 80GB 显存。
3. 支持视频吗？ 主要面向图像与文档，视频能力见后续版本。
4. 支持商用吗？ 代码 MIT；模型遵循 Model License，允许商用。
5. 与 Janus 区别？ VL2 专注理解；Janus 统一理解 + 生成。
6. 上下文多长？ 4096。