DeepSeek-VL2 ist eine Reihe fortschrittlicher großer visueller Sprachmodelle mit Mixture-of-Experts (MoE), die im Vergleich zu der Vorgängergeneration DeepSeek-VL erhebliche Verbesserungen aufweisen. Die Modellreihe zeigt in verschiedenen Aufgaben wie visuelle Fragebeantwortung, optische Zeichenerkennung, Dokumenten-/Tabellen-/Diagrammverständnis und visuelle Lokalisierung herausragende Fähigkeiten. DeepSeek-VL2 besteht aus drei Varianten: DeepSeek-VL2-Tiny, DeepSeek-VL2-Small und DeepSeek-VL2 mit 1,0 Mrd., 2,8 Mrd. und 4,5 Mrd. Aktivierungsparametern. DeepSeek-VL2 erreicht bei ähnlichen oder geringeren Aktivierungsparametern eine wettbewerbsfähige oder sogar state-of-the-art Leistung im Vergleich zu bestehenden Open-Source-Modellen mit dichter Architektur und MoE-basierten Modellen.