Was ist DeepSeek-OCR 2?
DeepSeek-OCR 2 ist ein offenes Modell zur Dokumentenerkennung von DeepSeek, veröffentlicht mit einem Paper am 28. Januar 2026 unter Apache 2.0. Es wandelt Seitenbilder in Text und Markdown um, einschließlich Tabellen und Layout. Der neue DeepEncoder V2, aufgebaut auf Qwen2-0.5B, ordnet die visuellen Bestandteile einer Seite nach Bedeutung neu, statt strikt von links nach rechts und von oben nach unten zu lesen, und gibt sie dann an einen Mixture-of-Experts-Decoder mit 3 Milliarden Parametern weiter, von denen etwa 500 Millionen aktiv sind.
Jede Seite braucht zwischen 256 und 1.120 visuelle Tokens, weit weniger als allgemeine Vision-Modelle. Es folgt auf DeepSeek-OCR vom Oktober 2025, dessen Kompressionsansatz es beibehält. Das GitHub-Repository hat keine getaggten Releases und seit dem 3. Februar 2026 keine Commits.
Lohnt sich DeepSeek-OCR 2?
DeepSeek-OCR 2 ist ein cleverer, effizienter Dokumentenleser, der überholt wurde. DeepSeeks Paper meldet 91,09 auf OmniDocBench v1.5, 3,73 Punkte mehr als das ursprüngliche DeepSeek-OCR, und senkt die Edit-Distanz bei der Lesereihenfolge von 0,085 auf 0,057. In derselben Tabelle kam das Pipeline-System PaddleOCR-VL auf 92,86, und sein Nachfolger PaddleOCR-VL-1.6 meldet inzwischen 96,33 auf v1.6.
Unabhängige Nachmessungen liegen noch niedriger. Baidus Paper zu Unlimited-OCR misst DeepSeek-OCR 2 mit 89,17 auf v1.5 und 90,25 auf v1.6, gegenüber 93,23 und 93,92 für das eigene Modell, das selbst auf DeepSeek-OCR aufbaut. Die Hugging-Face-Karte ergänzt einen ParseBench-Mittelwert von 41,2 und einen olmOCR-bench-Wert von 76,3 aus einem Post auf X. Die Streuung zeigt, wie stark OCR-Ranglisten davon abhängen, wer den Test fährt und mit welchen Einstellungen.
Das Effizienzargument trägt weiterhin. Eine Seite kostet 256 bis 1.120 visuelle Tokens, während Qwen3-VL-235B und mehrere End-to-End-Parser in DeepSeeks Tabelle mehr als 6.000 brauchen, und der Decoder aktiviert pro Token nur etwa 500 Millionen Parameter. Der BF16-Checkpoint ist 6,78 GB groß. DeepSeek nennt keinen VRAM-Bedarf und keine Seiten pro Sekunde, nur dass der PDF-Modus ähnlich schnell läuft wie beim Original.
Im Betrieb ist es auf dem Stand von Anfang 2026 eingefroren. Die Referenzumgebung legt CUDA 11.8, torch 2.6.0, transformers 4.46.3 und ein Wheel von vLLM 0.8.5 fest; das Laden braucht trust_remote_code, das Python-Code aus dem Modell-Repository ausführt; und das GitHub-Projekt hat seit dem 3. Februar keine Commits. Ein Team, das jetzt eine Dokumenten-Pipeline startet, würde einen Stack übernehmen, den seine Maintainer nicht mehr aktualisieren.
Wo es sich lohnt
Ein Data Engineer, der einige Millionen Seiten gescannter Archive digitalisiert
Scans günstig auf eigenen GPUs in Markdown umwandeln
Die Obergrenze von 1.120 Tokens pro Seite hält Rechenaufwand und Kontext des Decoders klein, und die vLLM-Skripte verarbeiten PDFs parallel. Plane Zeit für den Aufbau der Umgebung mit CUDA 11.8 und vLLM 0.8.5 ein und prüfe Tabellen stichprobenartig, denn dort schneiden neuere Konkurrenten besser ab.
Ein ML-Team, das DeepSeek-OCR bereits produktiv betreibt
Die Lesereihenfolge bei mehrspaltigen Layouts verbessern, ohne den Stack zu wechseln
Prompts und Serving-Pfad lassen sich übernehmen, und laut DeepSeek sinkt der Fehler bei der Lesereihenfolge von 0,085 auf 0,057. Es ist das günstigste verfügbare Upgrade, auch wenn ein Wechsel zu PaddleOCR-VL-1.6 mehr Genauigkeit für mehr Migrationsaufwand bringt.
Eine Compliance-Verantwortliche bei einer mittelgroßen Bank, die Dokumenten-KI evaluiert
Ein OCR-Modell finden, das unter einer sauberen Lizenz im Netz der Bank läuft
Apache 2.0 ohne gehostete Abhängigkeit passt zu diesen Anforderungen, aber wegen trust_remote_code muss der Python-Code des Repositorys geprüft und auf einen Commit festgelegt werden, bevor er auf internen Servern läuft.
Bevor du dich festlegst
- Einrichtung
- Weg über Transformers: torch 2.6.0, transformers 4.46.3 und flash-attn 2.7.3 auf CUDA 11.8, dann model.infer mit base_size 1024 und image_size 768. Der Weg über vLLM nutzt ein Wheel von vLLM 0.8.5+cu118 und Skripte aus dem GitHub-Repo.
- Integrationen
- Zwei Prompt-Modi: "<|grounding|>Convert the document to markdown." für layoutbewusstes Markdown und "Free OCR." für reinen Text. Kein Inference-Provider auf Hugging Face hostet das Modell.
- Daten und Datenschutz
- Apache 2.0 und selbst gehostet, Dokumente bleiben also auf deiner Hardware; das Laden erfordert trust_remote_code, das Code aus dem Repository ausführt.
- Kosten im großen Maßstab
- Einen gehosteten Preis gibt es nicht; die Kosten sind GPU-Zeit. Die Gewichte sind 6,78 GB groß und Seiten brauchen 256 bis 1.120 visuelle Tokens, aber DeepSeek nennt weder VRAM-Bedarf noch Durchsatz, um eine Flotte zu dimensionieren.
- Grenzen
- Liegt auf OmniDocBench hinter PaddleOCR-VL-1.6 und Unlimited-OCR, hängt an einem alten Stack aus CUDA und vLLM und zeigt seit dem 3. Februar 2026 keine Aktivität im Repository.
Was gut ist
- Apache 2.0 ohne Nutzungsbeschränkungen
- 256 bis 1.120 visuelle Tokens pro Seite
- Fehler bei der Lesereihenfolge von 0,085 auf 0,057 gesenkt
- 6,78 GB BF16-Gewichte
Was nicht
- Liegt auf OmniDocBench hinter PaddleOCR-VL-1.6 und Unlimited-OCR
- Baidus Nachmessung liegt 1,9 Punkte unter DeepSeeks Wert
- Festgelegt auf CUDA 11.8 und vLLM 0.8.5
- Keine Commits seit Februar 2026
Am besten für
Teams, die bereits auf den DeepSeek-OCR-Stack setzen und ein Genauigkeits-Upgrade ohne Umbau wollen.
Alternativen zu DeepSeek-OCR 2
DeepSeek-OCR 2: häufige Fragen
- Lohnt sich DeepSeek-OCR 2?
- Sparsam mit visuellen Tokens und im Paper gut dokumentiert, aber die Konkurrenz liest besser, und das eigene Repository steht seit Februar still. Wir bewerten es mit 3.7 von 5.
- Was kostet DeepSeek-OCR 2?
- Kostenlos unter Apache 2.0.
- Welche Nachteile hat DeepSeek-OCR 2?
- Liegt auf OmniDocBench hinter PaddleOCR-VL-1.6 und Unlimited-OCR; Baidus Nachmessung liegt 1,9 Punkte unter DeepSeeks Wert; Festgelegt auf CUDA 11.8 und vLLM 0.8.5; Keine Commits seit Februar 2026.
- Für wen eignet sich DeepSeek-OCR 2?
- Teams, die bereits auf den DeepSeek-OCR-Stack setzen und ein Genauigkeits-Upgrade ohne Umbau wollen.
- Was kostet DeepSeek-OCR 2 für ein Team oder im Produktivbetrieb?
- Einen gehosteten Preis gibt es nicht; die Kosten sind GPU-Zeit. Die Gewichte sind 6,78 GB groß und Seiten brauchen 256 bis 1.120 visuelle Tokens, aber DeepSeek nennt weder VRAM-Bedarf noch Durchsatz, um eine Flotte zu dimensionieren.
- Ist DeepSeek-OCR 2 sicher für Firmendaten?
- Apache 2.0 und selbst gehostet, Dokumente bleiben also auf deiner Hardware; das Laden erfordert trust_remote_code, das Code aus dem Repository ausführt.
- Was sind die besten Alternativen zu DeepSeek-OCR 2?
- Die nächsten Alternativen, die wir getestet haben, sind PaddleOCR-VL-1.6 und Unlimited-OCR 2.
Antworten geprüft am 22. Okt. 2026.