DeepSeek-VL2 est une série de modèles linguistiques visuels avancés de grande taille à experts mixtes (MoE), représentant une amélioration significative par rapport à la génération précédente, DeepSeek-VL. Cette série de modèles démontre des capacités exceptionnelles dans plusieurs tâches, notamment la question-réponse visuelle, la reconnaissance optique de caractères, la compréhension de documents/tableaux/graphiques et la localisation visuelle. DeepSeek-VL2 se compose de trois variantes : DeepSeek-VL2-Tiny, DeepSeek-VL2-Small et DeepSeek-VL2, possédant respectivement 1,0 milliard, 2,8 milliards et 4,5 milliards de paramètres activés. DeepSeek-VL2 atteint des performances compétitives ou de pointe par rapport aux modèles open source denses et basés sur MoE existants, avec un nombre de paramètres activés similaire ou inférieur.