DeepSeek-VL2は、高度な大規模混合専門家（MoE）ビジョン言語モデルのシリーズであり、前世代のDeepSeek-VLから大幅な性能向上を実現しています。このモデルシリーズは、ビジュアルクエスチョン・アンサーリング、光学文字認識、文書/表/図表の理解、画像の位置特定など、多くのタスクにおいて卓越した能力を発揮します。DeepSeek-VL2は、DeepSeek-VL2-Tiny、DeepSeek-VL2-Small、DeepSeek-VL2の3つのバリアントで構成され、それぞれ10億、28億、45億の活性化パラメータを備えています。DeepSeek-VL2は、活性化パラメータが同等かそれ以下でも、既存のオープンソースの密集型モデルやMoEベースのモデルと比較して、競争力のある、または最先端の性能を達成しています。