DeepSeek-VL2 é uma série de modelos avançados de linguagem visual de grande porte e especialistas híbridos (MoE), com melhorias significativas em comparação com a geração anterior, DeepSeek-VL. Esta série de modelos demonstra capacidades excepcionais em várias tarefas, incluindo perguntas e respostas visuais, reconhecimento óptico de caracteres, compreensão de documentos/tabelas/gráficos e localização visual. O DeepSeek-VL2 é composto por três variantes: DeepSeek-VL2-Tiny, DeepSeek-VL2-Small e DeepSeek-VL2, com 1,0B, 2,8B e 4,5B de parâmetros ativos, respectivamente. O DeepSeek-VL2 alcançou desempenho competitivo ou de ponta em comparação com modelos abertos existentes, densos e baseados em MoE, com o mesmo número ou menos parâmetros ativos.