DeepSeek-VL2 es una serie de modelos de lenguaje visual avanzados de grandes expertos mixtos (MoE), con mejoras significativas respecto a su predecesor DeepSeek-VL. Esta serie de modelos demuestra una capacidad excepcional en múltiples tareas, incluyendo respuesta a preguntas visuales, reconocimiento óptico de caracteres, comprensión de documentos/tablas/gráficos y localización visual. DeepSeek-VL2 consta de tres variantes: DeepSeek-VL2-Tiny, DeepSeek-VL2-Small y DeepSeek-VL2, con 1.0B, 2.8B y 4.5B parámetros de activación, respectivamente. DeepSeek-VL2 alcanza un rendimiento competitivo o de vanguardia en comparación con los modelos existentes de tipo denso y basados en MoE de código abierto, con un número similar o menor de parámetros de activación.