DeepSeek-VL

看懂图片并回答问题的开源多模态大模型

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署开源模型 🍴 复刻 602 🐛 待处理 49 👀 关注 37

GitHub ↗

GitHub 星标 ★ 4191

维护状态低维护

是否开源开源

定价模式 🏷️完全免费开源模型，MIT许可证，可免费自行部署使用。

项目预览

DeepSeek-VL 项目界面预览图 — 图片来源：GitHub 官方仓库名片

项目数据

分类开源模型

开发团队deepseek-ai

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

定价模式🏷️完全免费

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🔧 仅开源项目，无在线服务，需自行部署

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★ 4191

上线时间2024-03-07 00:00:00

代码更新2024-04-24

仓库体积12.4 MB

本站数据更新2026-11-08

维护状态低维护

收录时间2026-08-09

浏览次数4

项目介绍

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。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 4191

技术标签

foundation-models vision-language-model

使用教程

ℹ 本教程由 AI 依据该项目 README 整理，个别步骤可能需要按你的环境微调。

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`