¿Buscas una API de DeepSeek OCR? DeepSeek ha lanzado dos generaciones: el original DeepSeek-OCR y su sucesor, DeepSeek OCR2. Novita AI aloja la generación actual, deepseek/deepseek-ocr-2, como un endpoint compatible con OpenAI. Esta guía cubre cómo llamarlo, cuánto cuesta y cómo distinguir las dos generaciones antes de escribir código.
El OCR ya no es solo “extracción de texto”. Los equipos modernos necesitan inteligencia documental: orden de lectura, diseño, tablas y resultados estructurados a escala, sin los precios de los OCR empresariales. DeepSeek OCR2 impulsa esta tendencia con un nuevo paradigma de codificación visual, y Novita AI lo hace práctico para producción con API y precios transparentes por token.
Gen 1 vs Gen 2: Si ya tienes código que llama a
model="deepseek/deepseek-ocr"(Gen 1), consulta el artículo DeepSeek-OCR en Novita AI antes de implementar nuevo trabajo. El catálogo de modelos en vivo de Novita lista ese ID de modelo con estado heredado junto a otros modelos de generación retirada, por lo que las nuevas integraciones deben apuntar adeepseek/deepseek-ocr-2a continuación.
¿Qué es DeepSeek OCR2?
Introducción básica
DeepSeek-OCR 2 es un modelo multimodal de reconocimiento documental de DeepSeek AI, posicionado como una mejora de DeepSeek-OCR (Gen 1). Su cambio clave es DeepEncoder V2, que mueve el procesamiento visual desde un “escaneo raster” rígido (arriba-izquierda → abajo-derecha) hacia una lectura semántica e informada causalmente, más cercana a cómo los humanos siguen estructuras lógicas en documentos complejos.
Los pipelines OCR tradicionales a menudo fallan en PDFs multicolumna, estados financieros densos, tablas mixtas con notas al pie y formularios con orden de lectura complejo. OCR2 está diseñado para comprender la página, no solo “reconocer caracteres”.
| Característica | DeepSeek OCR2 |
| Organización | DeepSeek AI |
| Tipo de modelo | Reconocimiento documental multimodal (OCR + comprensión de diseño) |
| Innovación clave | DeepEncoder V2 reordena tokens visuales basándose en la semántica de la imagen (“escaneo fijo” → “razonamiento semántico”) |
| Ventana de contexto / Salida máxima | 8,192 / 8,192 |
| Entrada / Salida | Entrada: texto, imagen / Salida: texto |
| Cuantización | bf16 |
| Licencia | Apache-2.0 |
DeepSeek-OCR 2: Flujo causal visual
🔍A alto nivel:
- Lado del codificador: DeepEncoder V2 puede reordenar tokens visuales basándose en la semántica de la imagen antes del paso de decodificación estilo LLM.
- Diseño del sistema: Se describe que OCR2 retiene el decodificador DeepSeek-3B-MoE, mientras reemplaza el codificador CLIP original con un componente LLM ligero (Qwen2-0.5B).
- Eficiencia de tokens: OCR2 apunta a la cobertura de documentos utilizando un presupuesto de tokens visuales restringido (reportado en el rango 256–1120 según la complejidad).
Rendimiento en benchmarks
Las mejoras de OCR2 son más visibles en benchmarks centrados en documentos:
- En OmniDocBench v1.5, DeepSeek-OCR 2 logra 91.09% general, un +3.73% sobre su predecesor, y reduce la distancia de edición del orden de lectura de 0.085 → 0.057.
- OmniDocBench está diseñado para evaluar el análisis de PDF del mundo real en diversos tipos de documentos, diseños e idiomas.
Si estás construyendo flujos de trabajo documentales (ingesta de facturas, procesamiento de reclamaciones, PDFs de cumplimiento, RAG sobre manuales), estas métricas importan más que la “precisión OCR” genérica, porque miden la comprensión de estructura + diseño, no solo el reconocimiento a nivel de caracteres.
Cómo evaluar proveedores de API de IA: Las 5 métricas clave
Elegir un modelo es solo la mitad de la decisión; el proveedor determina si puedes escalar de manera confiable.
| Métrica | Enfoque clave | Impacto empresarial | Contexto Novita AI / DeepSeek-OCR2 |
| Longitud de contexto | Límite de tokens | Menos fragmentos → menos llamadas → pipelines más simples | El contexto de 8,192 tokens ayuda a mantener el análisis de varias páginas en un solo pase |
| Costo por token | Precios de API | Impacta directamente el ROI para extracción a gran escala | Precios optimizados para cargas de trabajo OCR de alto volumen (detalles abajo) |
| Latencia (TTFT/TPOT) | Velocidad de respuesta | Mejora las experiencias OCR orientadas al usuario | Baja latencia para vistas previas más rápidas y aplicaciones receptivas |
| Rendimiento | RPS / concurrencia | Permite procesamiento por lotes y manejo de picos de tráfico | Capacidad de alta concurrencia para trabajos por lotes y concurrentes |
| Integración | Compatibilidad | Implementa más rápido reutilizando herramientas existentes | Funciona con herramientas compatibles con OpenAI; también admite integración estilo Anthropic |
¿Por qué deberías elegir Novita AI?
Nota: Además de las APIs compatibles con OpenAI, Novita AI también proporciona interfaces compatibles con Anthropic, lo que permite a los equipos reutilizar herramientas y prompts existentes de estilo Claude con cambios mínimos.
Eficiencia de desarrollo
Una integración más rápida = un tiempo de obtención de valor más rápido. Novita ofrece una interfaz compatible con OpenAI, por lo que la mayoría de los equipos pueden integrar OCR2 simplemente cambiando:
- base_url:
https://api.novita.ai/openai - api_key:
<Tu clave de API> - nombre del modelo:
deepseek/deepseek-ocr-2
Ventaja de costos
Novita lista OCR2 con precios extremadamente directos: la misma tarifa baja para tokens de entrada y salida, lo que simplifica la previsión para cargas de trabajo intensivas en OCR.
Y como Novita ejecuta endpoints serverless, normalmente evitas la carga operativa de:
- aprovisionar GPUs,
- escalar servidores de inferencia,
- mantener pilas de CUDA + inferencia.
Precio de la API de DeepSeek OCR2
En el catálogo de modelos de Novita, deepseek/deepseek-ocr-2 está listado como (verificado el 2026-08-24, los precios se actualizan continuamente):
- Entrada: $0.03 / 1M de tokens
- Salida: $0.03 / 1M de tokens
- Ventana de contexto: 8,192 tokens
Acceso a la API de DeepSeek OCR2
Inicio rápido: Prueba DeepSeek OCR2 al instante en Novita Playground
La forma más rápida de validar OCR2 para tus documentos es ejecutar algunas muestras reales en el Novita Playground; no se requiere configuración.
⚠ Nota: Para obtener resultados deterministas y estables, establece tanto
temperaturecomotop_ken0. Esto desactiva la aleatoriedad y asegura que el modelo produzca resultados consistentes en todas las ejecuciones.
Obtén una clave de API
- Paso 1: Crea o inicia sesión en tu cuenta
Visita novita.ai y regístrate o inicia sesión en tu cuenta existente.
- Paso 2: Navega a la gestión de claves
Después de iniciar sesión, encuentra “API Keys”
- Paso 3: Crea una nueva clave
Haz clic en el botón “Add New Key”.
- Paso 4: Guarda tu clave inmediatamente
Copia y almacena la clave tan pronto como se genere; generalmente se muestra solo una vez y no se puede recuperar después. Mantén la clave en un lugar seguro, como un gestor de contraseñas o notas cifradas.
Uso de la API (Python)
Usa los siguientes ejemplos de código para integrarte con nuestra API:
from openai import OpenAI
client = OpenAI(
api_key="<Tu clave de API>",
base_url="https://api.novita.ai/openai"
)
response = client.chat.completions.create(
model="deepseek/deepseek-ocr-2",
messages=[
{"role": "system", "content": "Eres un asistente útil."},
{"role": "user", "content": "Hola, ¿cómo estás?"}
],
max_tokens=8192,
temperature=0.7
)
print(response.choices[0].message.content)
Aunque el ejemplo anterior usa Python, la API de Novita funciona de la misma manera en otros lenguajes como TypeScript, Java, Go y Shell; solo cambia la biblioteca cliente.
Conclusión
DeepSeek OCR2 mejora la inteligencia documental al cambiar la codificación visual de un escaneo fijo a una lectura semántica e informada causalmente, especialmente valiosa para diseños complejos como tablas, PDFs multicolumna y formularios densos. Con Novita AI como proveedor de API OCR2, obtienes integración compatible con OpenAI, incorporación rápida y precios transparentes a $0.03 por 1M de tokens de entrada y $0.03 por 1M de tokens de salida. Si estás construyendo flujos de trabajo OCR de producción (PDF a Markdown/JSON, extracción de facturas, doc-to-RAG), Novita es un camino limpio y escalable desde el prototipo hasta el rendimiento.
Novita AI es una plataforma en la nube de IA que ofrece a los desarrolladores una forma sencilla de desplegar modelos de IA a través de nuestra API simple, además de proporcionar una GPU en la nube asequible y confiable para construir y escalar.
Preguntas frecuentes
¿DeepSeek soporta OCR?
Sí. DeepSeek proporciona capacidades OCR a través de DeepSeek OCR2, su modelo OCR de segunda generación diseñado para el reconocimiento de texto en documentos e imágenes con una sólida comprensión del diseño.
¿Es gratuito DeepSeek OCR?
DeepSeek OCR2 es código abierto a nivel de modelo, pero el uso de la API no es gratuito.
Al usar Novita AI, obtienes precios rentables, transparentes y de pago por uso sin la sobrecarga de infraestructura, lo que lo hace mucho más práctico y económico que el autoalojamiento para uso en producción.
¿Cómo acceder a DeepSeek OCR?
Puedes acceder a DeepSeek OCR2 ya sea autoalojando el modelo de código abierto o usando un proveedor de API en la nube como Novita AI, que ofrece acceso instantáneo a la API, un playground e integración compatible con SDK.
¿Hay alguna diferencia entre la API DeepSeek OCR y la API DeepSeek OCR2?
Sí. deepseek/deepseek-ocr (Gen 1) y deepseek/deepseek-ocr-2 son dos ID de modelo separados en el catálogo de Novita, y solo Gen 2 es la versión actual y activamente soportada. Si tu integración aún apunta al ID del modelo Gen 1, cámbialo a deepseek/deepseek-ocr-2; los pasos de configuración anteriores son idénticos excepto por esa cadena.
