?DeepSeek-VL2：一個先進的大型混合專家（MoE）視覺-語言模型系列，它顯著改進了其前身DeepSeek-VL。DeepSeek-VL2在多種任務(wù)上展現(xiàn)出卓越的能力，包括視覺問題回答、光學(xué)字符識別、文檔/表格/圖表理解以及視覺定位。

圖片

包括三個變體：DeepSeek-VL2-Tiny、DeepSeek-VL2-Small和DeepSeek-VL2，分別擁有10億、28億和45億激活參數(shù)。與現(xiàn)有的開源密集型和基于MoE的模型相比，DeepSeek-VL2在相似或更少的激活參數(shù)下實現(xiàn)了競爭性或最先進的性能。

圖片

DeepSeek-VL2使用案例

圖表理解：DeepSeek-VL2 可以輕易理解各種科研圖表

Prompt: Draw a plot similar to the image in Python.

如果你拿著下圖問模型 “如果感覺熱，你會怎么做？”，它會回答：“為了降溫，你可以使用 [[166, 460, 338, 712]] 位置處的風(fēng)扇，它放在桌子上”

https://huggingface.co/deepseek-ai
https://github.com/deepseek-ai/DeepSeek-VL2

本文轉(zhuǎn)載自??PaperAgent??