DeepSeek-VL2开源，VLM迈入MoE时代！

​DeepSeek-VL2：一个先进的大型混合专家（MoE）视觉-语言模型系列，它显著改进了其前身DeepSeek-VL。DeepSeek-VL2在多种任务上展现出卓越的能力，包括视觉问题回答、光学字符识别、文档/表格/图表理解以及视觉定位。

图片

包括三个变体：DeepSeek-VL2-Tiny、DeepSeek-VL2-Small和DeepSeek-VL2，分别拥有10亿、28亿和45亿激活参数。与现有的开源密集型和基于MoE的模型相比，DeepSeek-VL2在相似或更少的激活参数下实现了竞争性或最先进的性能。

图片

DeepSeek-VL2使用案例

图表理解：DeepSeek-VL2 可以轻易理解各种科研图表

Prompt: Draw a plot similar to the image in Python.

如果你拿着下图问模型 “如果感觉热，你会怎么做？”，它会回答：“为了降温，你可以使用 [[166, 460, 338, 712]] 位置处的风扇，它放在桌子上”

https://huggingface.co/deepseek-ai
https://github.com/deepseek-ai/DeepSeek-VL2

本文转载自​​PaperAgent​​