DeepSeek-VL

看懂图片并回答问题的开源多模态大模型

DeepSeek-VL 是深度求索推出的开源视觉语言模型，旨在弥合真实世界视觉理解与语言模型之间的鸿沟。它解决的是多模态理解问题，即让模型能同时处理图像和文本，完成看图问答、图像描述、文档解析等任务。核心能力包括：采用创新的视觉编码器与语言模型对齐策略，支持高分辨率图像输入，能捕捉细粒度视觉细节；在多项公开基准上达到或超越同类主流模型，同时保持高效推理。项目提供完整的训练、微调和推理代码，以及模型权重，便于研究者和开发者直接使用或二次开发。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 4182

维护状态低维护

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队deepseek-ai

所属国家

官网地址

GitHubhttps://github.com/deepseek-ai/DeepSeek-VL

定价模式free

价格说明开源模型，MIT许可证，可免费自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型foundation-models,vision-language-model,vision-language-pretraining

GitHub 星标★ 4182

30天Star增速

HF 下载量

上线时间2024-03-07 00:00:00

最近更新2026-09-23 00:00:00

维护状态低维护

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：进阶约 20 分钟部署方式：本地安装 7 步

环境要求

Python >= 3.8
已安装 pip（用于执行 pip install -e .）
按 README 的 Model Download 章节下载好模型权重

安装与启动步骤

1克隆项目仓库

从 GitHub 拉取 DeepSeek-VL 源码，pip install -e . 需要在仓库根目录执行。
```
git clone https://github.com/deepseek-ai/DeepSeek-VL.git
```
2进入仓库目录

切换到克隆下来的 DeepSeek-VL 目录，后续安装命令都在这里执行。
```
cd DeepSeek-VL
```
3确认 Python 版本

README 要求在 Python >= 3.8 的环境下操作，版本过低请先升级。
```
python --version
```
4安装项目依赖

在仓库根目录以可编辑模式安装依赖，README 明确给出的唯一安装命令。
```
pip install -e .
```
5准备模型权重

按 README 的 Model Download 章节获取权重；README 未给出具体下载命令，请以官方页面指引为准。
6编写推理脚本

参考 README Quick Start 的示例代码，加载模型与 tokenizer，调用 prepare_inputs_embeds 得到图像嵌入。
7运行模型生成回答

用 language_model.generate 生成结果，并用 tokenizer.decode 解码后打印。

关键配置

配置项	必填	说明	示例
`max_new_tokens`	否	单次生成的最大新 token 数	`512`
`do_sample`	否	是否启用采样；False 为确定性输出	`False`
`use_cache`	否	是否启用 KV 缓存以加速生成	`True`

如何确认成功

脚本成功打印出 sft_format 对应的提问与 answer 回答文本，即表示模型加载与推理正常。

常见问题

Q：pip install -e . 报错怎么办？

A：先确认 Python >= 3.8，并确保命令是在克隆下来的 DeepSeek-VL 仓库根目录执行（存在 setup.py/pyproject.toml 的那一层）。

Q：模型权重在哪里下载？

A：README 顶部提供 Model Download 章节入口，并给出 HuggingFace 官方页面（deepseek-ai），请从该章节和官方页面获取权重。

Q：有不用本地部署的体验方式吗？

A：README 中提供了 HuggingFace Space 在线 Demo 链接（deepseek-ai/DeepSeek-VL-7B），可直接在浏览器中试用。

Q：生成的回答里带特殊符号怎么办？

A：解码时使用 skip_special_tokens=True，示例代码已这样设置，可过滤掉特殊 token。

注意事项

README 只给出 pip install -e . 这一条安装命令，未提供 Docker 或 conda 方式，不要自行替换。
推理代码需要先完成模型权重加载，显存要求 README 未给出，请以官方页面说明为准。
项目包含代码许可证 LICENSE-CODE 与模型许可证 LICENSE-MODEL，商用前请分别阅读。

核心亮点

视觉编码器与语言模型深度对齐，细粒度理解能力强
支持高分辨率图像输入，细节捕捉更准确
提供完整训练和推理代码，便于二次开发

不足之处

模型参数量较大，部署资源要求高
文档/社区待观察

适用场景

图像问答与对话
文档图像内容提取
多模态研究基准测试

替代项目

LLaVA、Qwen-VL、InternVL

项目介绍

DeepSeek-VL 是开源模型领域的开源项目，由 deepseek-ai 开发，2024 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（4,182）位列前 10%，在开源模型分类的 422 个项目里位列前 14%。

近 42 天，它的 GitHub 星标从 4,159 增加到 4,182，净增 23。

项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-23。MIT许可证，可免费自行部署使用。

它主要面向的使用场景是：图像问答与对话。同类可对比的替代方案包括 LLaVA、Qwen-VL、InternVL。

上一篇：TabPFN

下一篇：LimiX