deepseek-vl-7b-base

DeepSeek-VL-7B-Base 是 DeepSeek 的开源视觉语言模型，发布在 Hugging Face 上，仓库为 deepseek-ai/deepseek-vl-7b-base。模型卡称其"面向真实世界的视觉与语言理解应用"。这是一个 7B 参数的基础模型，不是对话模型，属于 DeepSeek-VL 系列，该系列的论文发表于 2024 年 3 月。截至 2026 年 10 月 29 日，该仓库仍可公开下载。

核心功能

• 混合视觉编码器：SigLIP-L 与 SAM-B 结合，支持 1024 x 1024 图像输入。
• 语言骨干：DeepSeek-LLM-7B-Base，基于约 2 万亿文本 token 训练。据模型卡，整个模型随后又在约 4000 亿视觉语言 token 上训练。
• 基础检查点：这是预训练版本。模型卡提到同系列另有对话版本。
• 许可：代码采用 MIT 许可；模型权重采用 DeepSeek 模型许可，模型卡称其支持商用。部署前请阅读许可文本。
• 格式：7B 参数，F16 Safetensors。

适用场景

• 图像理解与图像相关语言建模的研究。
• 在自有数据上微调小型视觉语言模型的起点。
• 在单张 GPU 上原型验证图文流水线。

局限：模型卡没有给出上下文长度，也没有托管服务；截至 2026 年 10 月 29 日没有 Hugging Face 推理服务商托管它，需要自行部署运行。

定价与可用性

权重可从 Hugging Face 免费下载，官方没有托管价格。DeepSeek 当前的 API 模型请看 DeepSeek V4 Flash 和 DeepSeek V4 Pro。

快速开始

1. 克隆模型卡中引用的 DeepSeek-VL GitHub 仓库（Python 3.8 及以上），运行 pip install -e .。
2. 使用 VLChatProcessor 和 MultiModalityCausalLM 加载模型，对图文对话进行推理，或使用模型卡中的 cli_chat.py 脚本。
3. 模型卡还给出了更简短的 Transformers 加载示例。

常见问题

DeepSeek-VL-7B-Base 可以免费商用吗？

模型卡称 DeepSeek-VL 系列在 DeepSeek 模型许可下支持商用，代码采用 MIT。上线前请先审阅许可。

它的基础语言模型是什么？

DeepSeek-LLM-7B-Base。

支持多大的图像？

通过 SigLIP-L 与 SAM-B 混合编码器，支持 1024 x 1024。

有更新的 DeepSeek 视觉模型吗？

本站收录了 DeepSeek V4 Flash Vision Exp，它是另一条更新的产品线。

替代方案

• DeepSeek V4 Flash：DeepSeek 当前的小型托管模型。
• DeepSeek V4 Flash Vision Exp：较新的实验性视觉条目。
• DeepSeek V4 Pro：当前更大的模型。

总结

DeepSeek-VL-7B-Base 是体量小、许可开放的视觉语言基础模型，适合研究和微调。如需托管的生产使用，请看 DeepSeek 较新的模型。更多模型见模型分类。