DeepSeek-OCR은 이미지를 텍스트의 압축된 저장소로 취급하여 97% 정확도로 10배 텍스트 압축을 제공합니다. 1,000개의 텍스트 토큰을 개별적으로 처리하는 대신, 단일 이미지로 처리하여 100개의 비전 토큰만 사용하므로 비용을 최대 85% 절감합니다.
이제 Novita AI에서 사용할 수 있는 DeepSeek-OCR은 GPU당 하루 200,000페이지 이상을 처리하고, 100개 언어를 지원하며, 5가지 해상도 모드(64~400개 이상의 토큰)를 제공합니다. 기존 OCR을 넘어 차트를 구조화된 데이터로 파싱하고, 화학식을 인식하며, 기하학적 도형을 추출하고, 긴 대화를 위한 혁신적인 메모리 관리를 가능하게 합니다.
지금 Novita AI 플레이그라운드에서 사용해 보세요 →
DeepSeek-OCR이란?
DeepSeek-OCR은 이미지를 텍스트의 압축된 저장소로 취급하는 비전-언어 모델입니다. 1,000개의 텍스트 토큰으로 구성된 문서를 개별적으로 처리하는 대신(계산 비용이 높음), 단일 이미지로 처리하여 100개의 비전 토큰만 사용합니다—10배의 처리 비용 절감 효과.
핵심 아키텍처
모델은 두 가지 주요 구성 요소로 이루어져 있습니다:
DeepEncoder (~380M 파라미터): 문서 이미지를 효율적으로 처리하는 특수 비전 인코더로, 윈도우 어텐션(SAM)과 글로벌 어텐션(CLIP)을 결합한 독특한 직렬 아키텍처와 그 사이에 16배 압축 레이어를 사용합니다.
DeepSeek3B-MoE 디코더 (570M 활성 파라미터): 압축된 시각 정보를 놀라운 정확도로 다시 텍스트로 변환하는 소형 혼합 전문가 언어 모델입니다.
이 아키텍처는 문서 처리에서 전례 없는 효율성을 제공하므로, 대량의 문서를 처리하는 기업이나 긴 컨텍스트 이해가 필요한 애플리케이션에 이상적입니다.
광학 압축이 중요한 이유
기존 문제
AI 모델의 기존 텍스트 처리는 이차 함수적으로 확장됩니다—문서 길이가 두 배가 되면 비용이 네 배로 증가할 수 있습니다. 매일 수천 개의 문서를 처리하는 기업에게 이는 엄청난 비용 부담이 됩니다.
DeepSeek-OCR 솔루션
최대 1,000개의 텍스트 토큰을 포함하는 문서를 97% 정확도로 10배 압축할 수 있습니다. 20배 압축에서도 정확도는 약 60%를 유지하며, 이는 많은 애플리케이션에서 충분한 수준입니다.
실제 사례:
900개의 텍스트 토큰을 포함하는 문서는 전통적으로 900개의 토큰이 필요합니다. DeepSeek-OCR Small 모드(100 비전 토큰)를 사용하면 96.8% 정확도로 9.7배 압축을 달성합니다. 1,100개의 텍스트 토큰 문서의 경우 91.5% 정확도로 10.6배 압축이 가능합니다.
비즈니스 영향
API 비용 절감: 일반 문서의 경우 최대 10배 적은 토큰 처리로 비용이 크게 절감됩니다. 월 100만 페이지를 처리하는 기업은 연간 5만 달러 이상을 절약할 수 있습니다.
더 빠른 처리: 토큰 수가 적을수록 응답 시간이 단축되어 사용자 경험이 개선되고 실시간 애플리케이션이 가능해집니다.
더 나은 확장성: 동일한 인프라로 10배 더 많은 문서를 처리할 수 있어 성장이 더 예측 가능하고 경제적입니다.
메모리 효율성: 대화 기록을 압축된 이미지로 저장하여 지수 함수적 메모리 요구 사항 없이 초장기 컨텍스트 애플리케이션을 가능하게 합니다.
성능 및 벤치마크
포괄적인 OmniDocBench 결과
포괄적인 문서 파싱 벤치마크인 OmniDocBench에서 DeepSeek-OCR은 최소한의 리소스 사용으로 뛰어난 성능을 달성합니다. 아래 표는 다양한 문서 유형 및 언어에 걸친 상세 비교를 보여줍니다(편집 거리—낮을수록 좋음):
주요 하이라이트:
파이프라인 모델 (전통적 다단계 접근 방식): 가장 성능이 좋은 파이프라인 모델인 PPstructure-v3는 영어에서 0.152, 중국어에서 0.223을 달성하지만 복잡한 다중 모델 인프라가 필요합니다.
엔드 투 엔드 모델 (단일 모델 접근 방식): 경쟁 모델 중 MinerU2.0은 6,790개의 토큰을 사용하여 영어 0.133, 중국어 0.238을 달성합니다. Qwen2.5-VL-72B는 3,949개의 토큰으로 영어 0.214, 중국어 0.261을 기록합니다.
DeepSeek-OCR 성능:
- Small 모드 (100 토큰): 영어 전체 0.221, 중국어 전체 0.284
- Base 모드 (256 토큰): 영어 전체 0.137, 중국어 전체 0.240
- Gundam 모드 (795 토큰): 영어 전체 0.127, 중국어 전체 0.181
- Gundam-M 200dpi (1,853 토큰): 영어 전체 0.123, 중국어 전체 0.157 - 최첨단 결과 달성
놀라운 성과: DeepSeek-OCR의 Base 모드는 단 256개의 토큰으로 15~26배 많은 토큰을 사용하는 모델보다 뛰어난 성능을 보입니다. Gundam-M 모드는 기존 접근 방식보다 훨씬 적은 토큰을 사용하면서 모든 엔드 투 엔드 모델 중 최고의 전체 성능을 달성합니다.
카테고리별 성능
텍스트 인식: DeepSeek-OCR (Gundam-M)은 영어 텍스트 0.049, 중국어 텍스트 0.087을 달성하여 Gemini2.5-Pro보다도 뛰어납니다.
수식 인식: 영어 수식 0.242, 중국어 수식 0.377로 DeepSeek-OCR은 수학 콘텐츠에서 강력한 능력을 보여줍니다.
표 추출: 영어 표 0.147, 중국어 표 0.08 점수는 견고한 구조화된 데이터 추출을 나타냅니다.
운영 역량
처리 속도: 단일 A100-40G GPU는 하루에 200,000페이지 이상을 처리할 수 있습니다. 20개 노드(160 GPU)로 확장하면 하루 3,300만 페이지를 처리할 수 있어 가장 까다로운 엔터프라이즈 워크로드에도 충분합니다.
비용 효율성: 월 100만 페이지를 처리하는 기업의 경우 차이가 극명합니다. 페이지당 6,000 토큰이 필요한 기존 모델은 총 60억 토큰을 소비합니다. DeepSeek-OCR은 페이지당 800 토큰을 사용하여 8억 토큰만 사용—87%의 토큰 사용량 및 관련 비용 절감.
주요 기능 및 역량
1. 다국어 지원
DeepSeek-OCR은 주요 세계 언어(영어, 중국어, 스페인어, 아랍어, 힌디어)부터 특수 문자(태국어, 히브리어, 키릴 문자)까지 거의 100개 언어를 지원합니다. 이는 언어별 OCR 서비스의 필요성을 없애고 국제 운영을 간소화합니다.
2. 고급 문서 이해
모델은 텍스트 이상의 것을 인식합니다. 차트를 구조화된 데이터로 파싱하고, 수학 공식을 LaTeX 형식으로 추출하며, 기하학적 도형을 SVG 출력으로 식별하고, 병합된 셀 및 복잡한 서식을 포함한 표 구조를 유지합니다.
3. 유연한 출력 형식
순수 텍스트 추출(가장 빠름), 서식이 유지된 마크다운, 웹 통합을 위한 HTML, 프로그래밍 처리를 위한 구조화된 JSON 중에서 선택할 수 있습니다. 접지 모드는 공간 관계를 유지하여 추출된 데이터가 원본 문서의 구조를 유지하도록 보장합니다.
4. 긴 컨텍스트를 위한 광학 압축
대화 기록을 텍스트 토큰 대신 압축된 이미지로 저장합니다. 전통적으로 10,000개의 토큰을 소비하는 10턴 대화를 1,000개의 비전 토큰으로 압축하여 지속 가능한 비용으로 초장기 컨텍스트 윈도우 애플리케이션을 가능하게 합니다.
영향: 채팅 애플리케이션은 비용이 지수 함수적으로 증가하지 않고 수백 턴의 대화 컨텍스트를 유지할 수 있어 진정한 장기 AI 상호작용이 가능합니다.
Novita AI에서 시작하기
해상도 모드 이해
Novita AI는 DeepSeek-OCR을 5가지 해상도 모드로 제공하며, 각 모드는 다양한 사용 사례에 맞게 성능, 속도 및 비용을 균형 있게 조정합니다.
기본 해상도 모드:
Tiny 모드 (512×512, 64 토큰): 최대 속도가 우선인 단순 문서에 최적화되어 있습니다. 영수증, 간단한 양식 또는 빠른 텍스트 추출 작업에 적합합니다.
Small 모드 (640×640, 100 토큰): 대부분의 애플리케이션에 최적의 선택입니다. 정확도, 속도 및 비용의 최상의 균형을 제공합니다. 표준 비즈니스 문서, 인보이스 및 보고서에 이상적입니다.
Base 모드 (1024×1024, 256 토큰): 패딩을 사용하여 종횡비를 유지하면서 복잡한 레이아웃을 처리합니다. 계약서, 상세 보고서 및 레이아웃이 중요한 문서에 권장됩니다.
Large 모드 (1280×1280, 400 토큰): 고해상도 상세 문서를 위한 최대 품질입니다. 연구 논문, 수식이 포함된 기술 문서 및 프리미엄 품질 요구 사항에 가장 적합합니다.
동적 해상도 모드:
Gundam 모드 (n×640×640 + 1×1024×1024, 가변 토큰): 초고해상도 문서를 위한 적응형 타일링입니다. 큰 이미지를 2~9개의 640×640 로컬 뷰와 하나의 1024×1024 글로벌 뷰로 자동 분할합니다. 신문, 잡지 및 복잡한 다중 열 레이아웃에 필수적입니다. 이미지가 640×640보다 작으면 자동으로 Base 모드로 전환됩니다.
DeepSeek-OCR API 사용하기
Novita AI는 DeepSeek-OCR을 위한 간단한 REST API를 제공합니다. 시작하려면 Novita AI 계정에 가입하고 API 키를 받으세요. API 엔드포인트는 이미지 URL 또는 base64로 인코딩된 이미지와 해상도 모드, 언어 기본 설정, 출력 형식과 같은 구성 매개변수를 허용합니다.
from openai import OpenAI
client = OpenAI(
base_url="https://api.novita.ai/openai",
api_key="<Your API Key>",
)
response = client.chat.completions.create(
model="deepseek/deepseek-ocr",
messages=[
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/image.png"
}
},
{
"type": "text",
"text": "<|grounding|>OCR this image."
}
]
}
],
stream=False,
max_tokens=4096
)
content = response.choices[0].message.content
print(content)
기본 사용 패턴
서식이 중요하지 않은 간단한 텍스트 추출의 경우 “Free OCR” 모드를 사용하세요. 레이아웃, 표 및 서식을 유지하는 구조화된 문서 파싱의 경우 “grounding” 모드를 마크다운 출력과 함께 사용하세요. 차트, 수식 또는 기하학적 도형의 고급 파싱의 경우 “Parse the figure” 프롬프트를 사용하세요.
해상도 가이드
올바른 모드 선택하기
인보이스, 영수증 및 간단한 양식: Small 모드(100 토큰)가 가장 좋은 선택입니다. 빠르고 비용 효율적이며 구조화된 데이터 추출에 충분한 정확도를 제공합니다. 이는 대부분의 일상적인 비즈니스 문서 처리 요구를 충족합니다.
비즈니스 문서, 보고서 및 계약서: Base 모드(256 토큰)는 복잡한 레이아웃을 잘 처리하며 패딩으로 종횡비를 유지합니다. 문서 구조와 서식이 중요할 때 적절한 균형을 제공합니다.
연구 논문 및 기술 문서: Large 모드(400 토큰)는 조밀한 텍스트, 수학 공식 및 기술 다이어그램에 필요한 정확도를 제공합니다. 더 높은 토큰 수는 정밀 요구 사항으로 정당화됩니다.
신문, 잡지 및 다중 열 레이아웃: Gundam 모드(가변 토큰)가 필수적입니다. 적응형 타일링은 고정 해상도 모드에서 깨질 수 있는 초고해상도 및 복잡한 다중 열 레이아웃을 처리합니다. 더 많은 토큰을 사용하지만 여전히 기존 접근 방식보다 훨씬 효율적입니다.
문서 유형별 성능 인사이트
포괄적인 OmniDocBench 테스트 기반:
슬라이드 및 간단한 문서: Tiny 모드(64 토큰)조차 슬라이드에서 0.116의 편집 거리로 놀라운 성능을 보이며, Small 모드는 최적의 가치를 제공합니다. 프레젠테이션 슬라이드는 일반적으로 페이지당 텍스트 양이 제한되어 있기 때문입니다.
책 및 표준 문서: Small 모드(100 토큰)는 책에서 0.085의 편집 거리로 뛰어난 가치를 제공합니다. 대부분의 책은 페이지당 600~1,000개의 텍스트 토큰을 포함하므로 10배 압축 최적 지점에 잘 들어맞습니다.
학술 논문: Large 모드 또는 Gundam 모드를 권장하며, Gundam은 학술 논문에서 0.039의 편집 거리를 달성하여 5~8배 더 많은 토큰을 사용하는 모델보다 뛰어납니다.
신문: Gundam 모드가 필수적이며, Tiny 모드의 0.940에 비해 0.122의 편집 거리를 달성합니다. 신문은 페이지당 4,000~5,000개의 텍스트 토큰과 적응형 타일링이 필요한 복잡한 다중 열 레이아웃을 포함합니다.
수식 중심 문서: 수학 공식이 포함된 문서의 경우 Gundam-M 모드가 영어 수식에서 0.242의 편집 거리로 최고의 성능을 달성하며, 특수 대형 모델과 경쟁합니다.
Gundam 모드 상세 이해
Gundam 모드는 상세한 영역을 캡처하는 여러 로컬 뷰(640×640 크기의 2~9개 타일)와 전체 컨텍스트를 유지하는 하나의 글로벌 뷰(1024×1024)를 생성하여 작동합니다. 총 토큰 수는 n×100 + 256으로 계산되며, 여기서 n은 타일 수입니다.
Gundam 모드를 사용해야 하는 경우: 이미지의 한 dimension이 1280픽셀을 초과하는 경우, 다중 열 레이아웃이 있는 문서, 4,000개 이상의 텍스트 토큰이 포함된 콘텐츠, 또는 세부 정보와 컨텍스트가 모두 필요한 복잡한 인포그래픽에 사용합니다.
실제 예: 작은 신문 페이지는 3개의 타일(총 556 토큰)을 사용할 수 있고, 큰 신문 페이지는 6개의 타일(856 토큰)을 사용합니다. 6,000개 이상의 토큰이 필요한 전통적인 접근 방식과 비교하면 가장 복잡한 문서에서도 여전히 7~10배의 압축을 달성합니다.
결론
Novita AI의 DeepSeek-OCR은 97% 정확도로 10배 압축을 달성하여 문서 처리 비용을 최대 85% 절감하면서 100개 언어를 지원하고 GPU당 하루 200,000페이지 이상을 처리합니다.
결과는 스스로 말합니다: 월 100,000개의 문서를 처리하는 기업은 연간 5만 달러 이상을 절약합니다. 처리 속도는 5~10배 향상됩니다. 인프라는 지수 함수적이 아닌 선형적으로 확장됩니다.
문서 처리를 혁신할 준비가 되셨나요?
몇 분 안에 자신의 문서로 DeepSeek-OCR을 테스트해 보세요. 신용 카드가 필요 없습니다. 5가지 해상도 모드 중에서 선택하고, 100개 언어로 문서를 처리하며, 10배 압축을 직접 경험하세요.
Novita AI는 개발자가 AI 애플리케이션을 구축하고 확장할 수 있도록 사용하기 쉬운 API와 경제적이고 안정적인 GPU 인프라를 제공하는 선도적인 AI 클라우드 플랫폼입니다.
