Auf der Suche nach einer DeepSeek OCR-API? DeepSeek hat zwei Generationen veröffentlicht: die ursprüngliche DeepSeek-OCR und ihren Nachfolger DeepSeek OCR2. Novita AI hostet die aktuelle Generation, deepseek/deepseek-ocr-2, als OpenAI-kompatiblen Endpunkt. Diese Anleitung erklärt, wie Sie sie aufrufen, was sie kostet und wie Sie die beiden Generationen unterscheiden können, bevor Sie Code schreiben.
OCR ist nicht mehr nur „Textextraktion“. Moderne Teams benötigen Dokumentenintelligenz: Lesereihenfolge, Layout, Tabellen und strukturierte Ausgaben in großem Maßstab – ohne die Preise für Unternehmens-OCR. DeepSeek OCR2 treibt diesen Trend mit einem neuen visuellen Codierungsparadigma weiter voran, und Novita AI macht es praktisch, mit API und transparenter Token-Abrechnung in die Produktion zu gehen.
DeepSeek OCR 2 jetzt ausprobieren
Gen 1 vs. Gen 2: Wenn Sie bereits Code haben, der
model="deepseek/deepseek-ocr"(Gen 1) aufruft, lesen Sie den Artikel DeepSeek-OCR auf Novita AI, bevor Sie neue Arbeiten dagegen bereitstellen. Novitas Live-Modellkatalog listet diese Modell-ID mit einem Legacy-Status zusammen mit anderen ausgemusterten Generationen auf. Neue Integrationen sollten daher stattdessen aufdeepseek/deepseek-ocr-2abzielen.
Was ist DeepSeek OCR2
Grundlegende Einführung
DeepSeek-OCR 2 ist ein multimodales Dokumentenerkennungsmodell von DeepSeek AI, das als Upgrade von DeepSeek-OCR (Gen 1) positioniert ist. Die wichtigste Änderung ist DeepEncoder V2, der die visuelle Verarbeitung von einem starren „Raster-Scan“ (oben links → unten rechts) hin zu einem semantischen, kausal gesteuerten Lesen verschiebt – ähnlicher dem, wie Menschen logischen Strukturen in komplexen Dokumenten folgen.
Herkömmliche OCR-Pipelines scheitern oft an mehrspaltigen PDFs, dichten Finanzberichten, gemischten Tabellen + Fußnoten und Formularen mit schwieriger Lesereihenfolge. OCR2 ist darauf ausgelegt, die Seite zu verstehen, nicht nur „Zeichen zu erkennen“.
| Merkmal | DeepSeek OCR2 |
| Beschreibung | |
| Organisation | DeepSeek AI |
| Modelltyp | Multimodale Dokumentenerkennung (OCR + layoutbewusstes Verständnis) |
| Wichtigste Neuerung | DeepEncoder V2 ordnet visuelle Token basierend auf Bildsemantik neu an („festes Scannen“ → „semantisches Denken“) |
| Kontextfenster / Maximale Ausgabe | 8.192 / 8.192 |
| Eingabe / Ausgabe | Eingabe: Text, Bild / Ausgabe: Text |
| Quantisierung | bf16 |
| Lizenz | Apache-2.0 |
DeepSeek-OCR 2: Visual Causal Flow
🔍Auf hoher Ebene:
- Encoderseite: DeepEncoder V2 kann visuelle Token basierend auf der Bildsemantik neu anordnen, bevor der LLM-artige Decodierungsschritt erfolgt.
- Systemdesign: OCR2 behält angeblich den DeepSeek-3B-MoE-Decoder, während der ursprüngliche CLIP-basierte Encoder durch eine leichte LLM-Komponente (Qwen2-0.5B) ersetzt wird.
- Tokeneffizienz: OCR2 zielt auf Dokumentabdeckung mit einem begrenzten visuellen Token-Budget ab (je nach Komplexität im Bereich 256–1120).
Benchmark-Leistung
Die Verbesserungen von OCR2 sind am deutlichsten bei dokumentenzentrierten Benchmarks:
- Auf OmniDocBench v1.5 erreicht DeepSeek-OCR 2 insgesamt 91,09 %, eine Steigerung von +3,73 % gegenüber seinem Vorgänger und reduziert die Bearbeitungsdistanz der Lesereihenfolge von 0,085 → 0,057.
- OmniDocBench wurde entwickelt, um reale PDF-Analyse über verschiedene Dokumenttypen, Layouts und Sprachen hinweg zu bewerten.
Wenn Sie Dokumenten-Workflows erstellen (Rechnungserfassung, Schadensbearbeitung, Compliance-PDFs, RAG über Handbücher), sind diese Metriken wichtiger als allgemeine „OCR-Genauigkeit“, da sie Struktur- + Layoutverstehen messen, nicht nur Zeichenerkennung.
So bewerten Sie KI-API-Anbieter: Die 5 wichtigsten Metriken
| Metrik | Schwerpunkt | Geschäftliche Auswirkungen | Novita AI / DeepSeek-OCR2 Kontext |
| Kontextlänge | Token-Limit | Weniger Blöcke → weniger Aufrufe → einfachere Pipelines | Der 8.192-Token-Kontext hilft, mehrseitige Analyse in einem Durchlauf zu halten |
| Token-Kosten | API-Preisgestaltung | Wirkt sich direkt auf den ROI für groß angelegte Extraktionen aus | Optimierte Preise für hochvolumige OCR-Workloads (Details unten) |
| Latenz (TTFT/TPOT) | Antwortgeschwindigkeit | Verbessert benutzerorientierte OCR-Erlebnisse | Niedrige Latenz für schnellere Vorschauen und reaktionsschnelle Apps |
| Durchsatz | RPS / Parallelität | Ermöglicht Batch-Verarbeitung und Spitzenlastabwicklung | Hohe Parallelitätskapazität für Batch- + gleichzeitige Jobs |
| Integration | Kompatibilität | Schneller ausliefern durch Wiederverwendung vorhandener Tools | Funktioniert mit OpenAI-kompatiblen Tools; unterstützt auch Anthropic-ähnliche Integration |
Warum sollten Sie Novita AI wählen?
Hinweis: Zusätzlich zu OpenAI-kompatiblen APIs bietet Novita AI auch Anthropic-kompatible Schnittstellen, sodass Teams bestehende Claude-artige Tools und Prompts mit minimalen Änderungen wiederverwenden können.
Entwicklungseffizienz
Schnellere Integration = schnellere Wertschöpfung. Novita bietet eine OpenAI-kompatible Schnittstelle, sodass die meisten Teams OCR2 integrieren können, indem sie nur Folgendes ändern:
- base_url:
https://api.novita.ai/openai - api_key:
<Your API Key> - model name:
deepseek/deepseek-ocr-2
Kostenersparnis
Novita listet OCR2 mit extrem unkomplizierter Preisgestaltung: derselbe niedrige Satz für Eingabe- und Ausgabetoken, was die Prognose für OCR-lastige Workloads vereinfacht.
Und da Novita serverlose Endpunkte betreibt, entfällt in der Regel der operative Aufwand für:
- Bereitstellung von GPUs,
- automatische Skalierung von Inferenzservern,
- Wartung von CUDA- + Inferenz-Stacks.
DeepSeek OCR2 API-Preis
Im Novita-Modellkatalog ist deepseek/deepseek-ocr-2 wie folgt aufgeführt (Stand 24.08.2026, Preise aktualisieren sich kontinuierlich):
- Eingabe: $0.03 / 1M Token
- Ausgabe: $0.03 / 1M Token
- Kontextfenster: 8,192 Token
DeepSeek OCR2 API-Zugriff
Schnellstart: DeepSeek OCR2 sofort im Novita Playground ausprobieren
Der schnellste Weg, OCR2 für Ihre Dokumente zu validieren, ist die Ausführung einiger echter Beispiele im Novita Playground – keine Einrichtung erforderlich
⚠ Hinweis: Für deterministische und stabile Ausgaben setzen Sie bitte sowohl
temperatureals auchtop_kauf0. Dies deaktiviert die Zufälligkeit und stellt sicher, dass das Modell konsistente Ergebnisse über alle Durchläufe hinweg liefert.
API-Schlüssel erhalten
- Schritt 1: Erstellen Sie ein Konto oder melden Sie sich an
Besuchen Sie novita.ai und registrieren Sie sich oder melden Sie sich in Ihrem bestehenden Konto an
- Schritt 2: Navigieren Sie zur Schlüsselverwaltung
Nach der Anmeldung finden Sie „API Keys“
- Schritt 3: Erstellen Sie einen neuen Schlüssel
Klicken Sie auf die Schaltfläche „Add New Key“.
- Schritt 4: Speichern Sie Ihren Schlüssel sofort
Kopieren und speichern Sie den Schlüssel, sobald er generiert wird; er wird normalerweise nur einmal angezeigt und kann später nicht abgerufen werden. Bewahren Sie den Schlüssel an einem sicheren Ort auf, z. B. in einem Passwort-Manager oder verschlüsselten Notizen.
API-Nutzung (Python)
Verwenden Sie die folgenden Codebeispiele zur Integration mit unserer API:
from openai import OpenAI
client = OpenAI(
api_key="<Your API Key>",
base_url="https://api.novita.ai/openai"
)
response = client.chat.completions.create(
model="deepseek/deepseek-ocr-2",
messages=[
{"role": "system", "content": "You are a helpful assistant."},
{"role": "user", "content": "Hello, how are you?"}
],
max_tokens=8192,
temperature=0.7
)
print(response.choices[0].message.content)
Obwohl das obige Beispiel Python verwendet, funktioniert die API von Novita auf die gleiche Weise in anderen Sprachen wie TypeScript, Java, Go und Shell – nur die Client-Bibliothek ändert sich.
Fazit
DeepSeek OCR2 verbessert die Dokumentenintelligenz, indem es die visuelle Kodierung von festem Scannen zu semantischem, kausal gesteuertem Lesen verschiebt – besonders wertvoll für komplexe Layouts wie Tabellen, mehrspaltige PDFs und dichte Formulare. Mit Novita AI als Ihrem OCR2-API-Anbieter erhalten Sie OpenAI-kompatible Integration, schnelles Onboarding und transparente Preise von $0.03 pro 1M Eingabe-Token und $0.03 pro 1M Ausgabe-Token. Wenn Sie Produktions-OCR-Workflows erstellen (PDF → Markdown/JSON, Rechnungsextraktion, Doc-to-RAG), ist Novita ein sauberer, skalierbarer Weg vom Prototyp zum Durchsatz.
Novita AI ist eine KI-Cloud-Plattform, die Entwicklern eine einfache Möglichkeit bietet, KI-Modelle mit unserer einfachen API bereitzustellen und gleichzeitig eine erschwingliche und zuverlässige GPU-Cloud zum Erstellen und Skalieren bereitstellt.
Häufig gestellte Fragen
Unterstützt DeepSeek OCR?
Ja. DeepSeek bietet OCR-Funktionen über DeepSeek OCR2, sein OCR-Modell der zweiten Generation, das für die Texterkennung in Dokumenten und Bildern mit starkem Layoutverständnis entwickelt wurde.
Ist DeepSeek OCR kostenlos?
DeepSeek OCR2 ist auf Modellebene Open Source, aber die API-Nutzung ist nicht kostenlos.
Durch die Nutzung von Novita AI erhalten Sie kosteneffiziente, transparente Pay-as-you-go-Preise ohne Infrastrukturkosten – was es weitaus praktischer und wirtschaftlicher macht als selbst gehostete Lösungen für den Produktionseinsatz.
Wie greife ich auf DeepSeek OCR zu?
Sie können auf DeepSeek OCR2 entweder durch selbst gehostetes Open-Source-Modell oder über einen Cloud-API-Anbieter wie Novita AI zugreifen, der sofortigen API-Zugriff, einen Playground und SDK-kompatible Integration bietet.
Gibt es einen Unterschied zwischen der DeepSeek OCR-API und der DeepSeek OCR2-API?
Ja. deepseek/deepseek-ocr (Gen 1) und deepseek/deepseek-ocr-2 sind zwei separate Modell-IDs im Novita-Katalog, und nur Gen 2 ist die aktuelle, aktiv unterstützte Version. Wenn Ihre Integration noch auf die Gen-1-Modell-ID verweist, wechseln Sie zu deepseek/deepseek-ocr-2 – die Einrichtungsschritte oben sind bis auf diese eine Zeichenfolge identisch.
