12月13日，DeepSeek 官方发布博文，宣布开源 DeepSeek-VL2 模型。

据了解，在模型架构上，DeepSeek-VL2 视觉部分使用切图策略支持动态分辨率图像，语言部分采用 MoE 架构低成本高性能， MoE是一种混合专家（Mixture-of-Experts）架构，旨在提高模型的性能和效率。

在官方给出的测评结果中显示，DeepSeek-VL2超越了多种视觉语言模型：

DeepSeek-VL2 还分别在 OCR、多模态对话、视觉定位三个领域进行了测试。与 InternVL2、DeepSeek-VL、Qwen2-VL等VLM模型相比中，DeepSeek-VL2 通过 MoE 架构在激活参数更少的情况下实现了相似或更好的性能。

想要了解更多，可以查看模型论文：https://arxiv.org/abs/2412.10302

> 在302.AI上使用

目前，302.AI已经在聊天机器人和API超市提供了DeepSeek-VL2模型，满足不同受众用户的需求，且提供按需付费的使用方式，用户无需担心有月费和捆绑套餐，成本更加灵活可控。以下是详细的获取步骤。

用户想要直接使用模型，可以通过302.AI的聊天机器人获得，302.AI的聊天机器人的更新速度与市场同步，提供了多种AI模型，且分类明晰，用户可以快速找到并使用所需的AI模型，无需在不同平台之间切换和搜索，提高了工作效率。

1、进入302.ai，登录后在左侧菜单栏点击使用机器人——选择聊天机器人——模型中选择模型DeepSeek-VL2——最后点击确定即可。

企业用户可以直接通过302.AI提供的接口来调用大模型，并根据自身项目需求快速开发AI应用，大大加快开发和部署速度。以下是在API超市中获取DeepSeek-VL2的详细步骤：

1、进入302.ai后——点击使用API——选择API超市——分类中点击语言大模型——然后选择国产模型。

2、下滑可以看到已经提供了模型DeepSeek-VL2的API，可以根据需求选择【查看文档】快速接入API或者选择【在线体验】测试模型的参数。

> 实测对比

为了更好了解模型，接下来我们会使用302.AI的模型竞技场对比模型的表现，本次对比的三个模型均为价格接近的国产模型，来看下模型的表现如何！

对比模型：deepseek-VL2、Qwen-VL-Max、abab7-preview

使用工具：302.AI的模型竞技场（界面如下）

提示词：请根据给出的三张图片编写一个大约300字的暖心故事。

（图片由302.AI生成）

分析：第一轮实测是看图说话，这是DeepSeek官方在宣传文章中展示的实测提醒，我们换了图片后，实测对比看看模型的表现到底如何。这一轮实测主要考察模型是否能正确描述图片中的场景，并合理赋予关系。

Qwen-VL-Max：故事结构比较通顺，但细看人物关系和场景串联并不合理，比如图三的场景中没有女孩的身影，但是却强行和图一中的人物连接在一起。

deepseek-VL2：出现的问题和Qwen模型相似，人物关系和场景串联不合理，此外，deepseek-VL2的描述中还有部分内容偏离了图片，比如可以看到图二的手里没有拿着任何物品，但描述中却写道是手里拿着法棍，还有将人物识别成“妈妈”的角色。

abab7-preview：逻辑通顺，故事人物关系、场景描述都是正确的，并且符合主题，是三个模型中表现最好的。

提示词：请回答：图片中中文和英文分别写了什么？

（图源网络）

分析：这是一道非常简单的文字识别测试，涵盖了中英文，来看三个模型是否能正确识别。

Qwen-VL-Max：英文识别正确，中文识别错了一个字。中文第二句中应该是“昼夜更替”识别出来是“日夜更替”。

deepseek-VL2：英文识别正确，中文识别错误率达到到70%，识别出来的中文逻辑语序都不通顺。

abab7-preview：英文和中文识别均有错误。在这一轮中表现最差的模型，中文部分不是识别而是直接翻译。

附上正确参考答案：

提示词：从所给的四个选项中，选择最合适的一个填入问号处，使之呈现一定的规律性：

分析：传统的图形推理题目，首先需要找到规律，规律一：前四个图形都是外层都是圆形，规律二：圆形内的图形能一笔连续画出。因此正确答案是选项D。

Qwen-VL-Max：答案正确，但是解析的逻辑不够通顺。

deepseek-VL2：最后答案正确，同样解析过程逻辑不够通顺。

abab7-preview：分析错误，答案错误。

通过多轮实测，可以初步得出以下结论：

看图说话：在故事编写时，人物关系与场景描述不如其他模型，整体逻辑联系显得略为牵强。

文字识别：DeepSeek-VL2的英文识别完全正确，但是中文识别上存在一定的错误率。

图形推理：尽管最终的答案是正确的，但是解析的过程逻辑不足。

总体来看，DeepSeek-VL2在三个模型中的优势并不明显，在文字识别、图形推理和看图编故事方面都有待进一步优化。希望DeepSeek团队可以针对这些问题进行进一步的优化和改进，以提升模型在多模态任务中的表现。