DeepSeek VL2：MoE 视觉-语言家族实践指南

需要一款能够读取收据、解析图表并指向照片背后长颈鹿的视觉语言模型，而且无需按图像支付API费用？DeepSeek VL2是大多数团队在面临封闭多模态API的成本或延迟瓶颈后寻求的开放重量级解决方案。DeepSeek VL2系列于2024年12月发布，在Hugging Face上提供了三个混合专家（MoE）检查点，权重可以在低端单GPU上运行，在高端工作站上运行。本指南涵盖了模型内部的内容、三个变体的比较、值得信赖的基准数字、与2026年当前前沿多模态模型相比的不足之处，以及今天最实用的部署方式。

DeepSeek VL2究竟是什么

DeepSeek VL2是DeepSeek-AI基于混合专家骨干构建的一系列开放重量级视觉语言模型。它在前一代产品DeepSeek-VL的基础上进行了显著改进，有两个关键升级：一个用于不同宽高比的动态分块视觉编码器，以及具有多头潜在注意力（MLA）的DeepSeekMoE语言模型，它将键值缓存压缩成潜在向量，以实现高效的推理和高吞吐量。结果是，这个模型家族可以处理文档OCR、图表和表格解析、多图像推理和视觉定位，同时每个标记只激活其总参数的一小部分。

如果您之前使用过 DeepSeek VL 发布的VL2与V4系列同源，具有稀疏骨干和更强大的OCR流程。它不属于V4系列——它早于V4系列——并且仍然是DeepSeek以这种格式发布的唯一多模态版本。对于仅文本的工作，你应该考虑 DeepSeek V4 则请替换为它。

Architecture and lineage

VL2堆栈故意采用模块化设计。它采用LLaVA风格的仅解码器结构，集成了视觉编码器、视觉语言适配器和MoE语言模型。视觉编码器使用单个SigLIP-SO400M-384模型，通过动态分块策略处理图像，将高分辨率图像划分为384×384的局部块，以处理不同的宽高比，同时控制计算量。然后，一个两层MLP压缩并将视觉标记投影到语言模型的嵌入空间。

在语言方面，所有三个变体都共享DeepSeekMoE设计，但在规模上有所不同。该模型系列采用三个MoE变体——总参数为3B、16B和27B——分别在语言骨干中激活0.57B、2.4B和4.1B参数。摘要中经常引用的“1.0B / 2.8B / 4.5B激活”数字包括视觉编码器和适配器。

变体分解

变体规模和基础LLM映射已与DeepSeek的GitHub README和Hugging Face卡片进行确认。vl2-tiny总参数为3.37B-MoE，激活参数约为1B，在40GB以下的单GPU上运行；vl2-small总参数为16.1B，激活参数为2.4B；完整的vl2总参数为27.5B，语言堆栈中激活参数为4.2B。您可能需要80GB GPU内存来运行deepseek-vl2-small的演示脚本，甚至需要更大的内存来运行deepseek-vl2。

在将 DeepSeek 推入流水线之前，有一个值得注意的特例：为了保持标记可管理，动态分块仅在每回合有两个或更少的图像时应用。有三个或更多图像时，输入将填充至 384×384 而不进行分块。相应地规划批处理——高分辨率多文档提示应分回合进行。

值得信赖的基准测试

下面的数字来自 VL2 技术报告和 DeepSeek 发布的比较。请始终将其视为“DeepSeek-VL2-Standard（激活 4.5B）与竞争对手在其报告规模下的比较”——并记住这些数据是在 2024 年 12 月发布时，与当时的跨模态领域状况相对比。

在 OCRBench 上，DeepSeek-VL2 得分 834，超过 GPT-4o 的 736，在 文档问答 上达到 93.3%。对于文档问答，它在 文档问答 上略胜 GPT-4o 的 92.8%，在 图表问答 上得分为 86.0%。一般多模态差距更真实地反映了其规模：它在 MMBench（83.1 比 85.0）和 MME（2,253 比 2,327）等任务上与 Qwen2-VL-7B（8.3B）和 InternVL2-8B（8.0B）等大型模型相当或超过，尽管激活参数数量小得多，其 MMStar 分数也接近 GPT-4o（61.3 比 63.9）。

DeepSeek VL2在哪些方面特别胜出

• 文档OCR和密集文本 OCRBench 和 文档问答 上的数字是大多数团队选择它的原因。如果你的工作负载是发票、合同、实验室表格或扫描的 PDF 文件，这是默认的开源重量级选择。
• 视觉定位 该架构支持视觉定位，模型通过类别、描述甚至抽象概念在图像中定位对象；特殊的 <|grounding|> 标记返回带有对象位置的定位响应。这对于具身 AI 和 UI 代理工作很有用。
• 高分辨率灵活性 VL2 使用 384×384 分块加上一个全局缩略图，默认情况下最多 9 个本地块，在 InfoVQA 评估中极端宽高比时最多 18 个。这可以处理高 receipts 和宽电子表格，无需自定义预处理层。
• 激活效率 稀疏MoE意味着一个27.5B总模型在推理成本上相当于一个~4-5B密集模型。
• 允许商业使用。 代码仓库采用MIT许可；DeepSeek-VL2模型的使用受DeepSeek模型许可约束，该系列支持商业用途。

Where it falls short

直接，无旋转：VL2是2024年12月的模型。多模态领域已经发展。如果您将其与当前2026年的前沿多模态系统在以推理为重点的基准上进行比较，它会落后。具体来说：

• No first-party API. DeepSeek的托管API公开了V4生成（deepseek-v4-pro and deepseek-v4-flash不是VL2。针对官方API的多模态调用不属于当前产品界面——VL2仅提供开放权重。
• 没有视频。 InternVL3和最新的封闭式VLMs处理原生视频；VL2是单帧加多图像，没有时间建模。
• 推理上限。 InternVL3在MMMU上得分为72.2，而GPT-4o的得分为70.7，在MathVista（79.0 vs 63.8）和视频的MLVU（79.5）上差距更大。VL2并未设计用于在多模态逐步推理上竞争。
• 硬件限制。 DeepSeek-VL2-Small需要40 GB。Tiny是唯一能在消费级硬件上舒适运行的变体。
• 多图像拼接限制。 两个图像动态拼接上限（上方）是批量文档工作流程的真正上限。

如何访问DeepSeek VL2

官方聊天完成API上没有DeepSeek VL2端点。要使用它，您需要自行托管——这是唯一途径。三种实际途径：

1. Hugging Face 变换器。 拉取 deepseek-ai/deepseek-vl2-tiny, -small, or deepseek-vl2 并使用以下命令加载 trust_remote_code=True。适用于原型设计和小型批量作业。
2. 优化后的服务栈。 对于生产环境，请考虑使用vllm、sglang或lmdeploy等优化部署方案。吞吐量和内存都得到了显著提升。
3. 云GPU租赁。 小型变体可以在单个A100 40 GB上运行，并使用分块预填充；标准变体需要80 GB。请参阅我们的 DeepSeek hardware calculator 在预订之前请先调整大小。

最小Transformer加载（Python）

下面的代码片段加载了使用bfloat16的VL2-Tiny。DeepSeek建议在采样时使用温度T ≤ 0.7；较大的温度会降低生成质量。

import torch
from transformers import AutoModelForCausalLM
from deepseek_vl2.models import DeepseekVLV2Processor, DeepseekVLV2ForCausalLM

model_path = "deepseek-ai/deepseek-vl2-tiny"
processor = DeepseekVLV2Processor.from_pretrained(model_path)
tokenizer = processor.tokenizer
model = AutoModelForCausalLM.from_pretrained(model_path, trust_remote_code=True)
model = model.to(torch.bfloat16).cuda().eval()
# pass `conversation` (with role + image refs) through processor, then model.generate()

VL2如何与V4相匹配（你可能也需要使用的文本API）

大多数部署VL2的团队还需要在相同的产品界面后面使用一个纯文本模型——用于总结提取的文档、回答后续问题或运行代理循环。现在这部分工作属于V4。

值得清晰说明，因为它会让人困惑： DeepSeek V4 是一个包含两个 MoE 层级的系列，两者均采用 MIT 许可开放。 deepseek-v4-pro is the frontier tier (1.6T total / 49B active); deepseek-v4-flash 是成本效益层（总容量284B / 活跃容量13B）。两者都提供1,000,000个token的默认上下文，输出最多可达384,000个token。思考模式是两种模型上的请求参数——设置 reasoning_effort="high" with extra_body={"thinking": {"type": "enabled"}} 用于生成思考型回复，或 reasoning_effort="max" 用于最大努力推理。当启用思考时，API 返回 reasoning_content alongside the final content 。

Chat requests hit POST /chat/completions, the OpenAI-compatible endpoint at https://api.deepseek.com。该API是无状态的——客户端必须在每个请求中重新发送对话历史，与保持会话历史的Web聊天不同。旧版ID deepseek-chat and deepseek-reasoner still route to deepseek-v4-flash 直到他们在2026年7月24日15:59 UTC退休；迁移只需一行代码 model= swap.

from openai import OpenAI

client = OpenAI(base_url="https://api.deepseek.com", api_key="...")
resp = client.chat.completions.create(
    model="deepseek-v4-flash",
    messages=[{"role": "user", "content": "Summarise this VL2 OCR output: ..."}],
)
print(resp.choices[0].message.content)

对于完整的开发者界面——温度预设、JSON模式、工具调用、流式传输、FIM、上下文缓存——在提交前先查看页面。 DeepSeek API documentation.

成本快照——V4-Flash用于VL2管道的文本部分

如果您将VL2 OCR的输出管道化到 deepseek-v4-flash 对于下游摘要，V4-Flash的费率适用：缓存输入每1M个token为0.0028美元，缓存未命中输入每1M个token为0.14美元，输出每1M个token为0.28美元。以一个包含2000个token的缓存系统提示、200个token的用户消息和300个token的响应的100万个调用为例：

• Cached input: 2,000 × 1,000,000 = 2,000,000,000 tokens × $0.0028/M = $5.60
• Uncached input: 200 × 1,000,000 = 200,000,000 tokens × $0.14/M = $28.00
• Output: 300 × 1,000,000 = 300,000,000 tokens × $0.28/M = $84.00
• Total: $117.60

2026年4月的价格；请在 DeepSeek API pricing V4-Pro的费率大约高出一个数量级，且很少因OCR清理而合理。

Best use cases

• 文档自动化和后台OCR ——发票、索赔、KYC表格。参见 DeepSeek for business.
• 规模化数据提取 ——表格、图表、扫描报告。与 DeepSeek for data analysis.
• 开发者工具 ——UI截图理解、GUI代理、网络自动化中的视觉定位。
• 教育和可访问性 — 描述图像，解析手写或打印材料。

Comparable alternatives

如果VL2的推理上限或硬件下限存在问题，2026年诚实的替代方案有InternVL3（更好的推理和视频）、Qwen2-VL系列（更广泛的生态系统支持）以及来自OpenAI、Anthropic和Google的封闭多模态端点。对于与VL2配对的仅文本DeepSeek工作，请参阅 DeepSeek vs Claude and DeepSeek vs ChatGPT. 开放式重量选项的完整列表位于 open-source AI like DeepSeek 汇总中，您可以浏览更广泛的 DeepSeek models hub 兄弟产品，如仅文本的V4级别。

Verdict

当您需要控制、可预测的成本和商业用途许可时，DeepSeek VL2仍然是OCR密集型和文档理解工作负载的最强开放重量级选择。它不是用于视频、深度多模态推理或零操作部署的模型——它是一个具有2024年12月上限的自托管模型。对于2026年所有其他多模态文档形状的工作，它赢得了其在生产中的位置。

DeepSeek AI Guide is an independent resource and is not affiliated with DeepSeek or its parent company. Model IDs, pricing and API behaviour change; check the official DeepSeek documentation and pricing page before committing to a production decision.