DeepSeek-VL2

DeepSeek-VL2 विशेषज्ञों के मिश्रण के बड़े दृश्य-भाषा मॉडल की एक श्रृंखला है, जो पिछले DeepSeek-VL की तुलना में उल्लेखनीय रूप से बेहतर है। यह मॉडल श्रृंखला दृश्य प्रश्नोत्तर, ऑप्टिकल वर्ण पहचान, दस्तावेज़/तालिका/चार्ट समझ और दृश्य स्थान निर्धारण जैसे कार्यों में उत्कृष्ट क्षमता प्रदर्शित करती है। DeepSeek-VL2 में तीन रूप हैं: DeepSeek-VL2-Tiny, DeepSeek-VL2-Small और DeepSeek-VL2, जिनमें क्रमशः 1.0B, 2.8B और 4.5B सक्रियण पैरामीटर हैं। समान या कम सक्रियण पैरामीटर के साथ, DeepSeek-VL2 मौजूदा ओपन-सोर्स घने और MoE आधारित मॉडल की तुलना में प्रतिस्पर्धी या अत्याधुनिक प्रदर्शन प्राप्त करता है।