DeepSeek-OCR 2의 개요
DeepSeek-OCR 2는 DeepSeek의 오픈 문서 인식 모델로, 2026년 1월 28일 논문과 함께 Apache 2.0으로 공개됐습니다. 페이지 이미지를 표와 레이아웃을 포함해 텍스트와 Markdown으로 변환합니다. Qwen2-0.5B 기반의 새 DeepEncoder V2는 페이지를 엄격하게 왼쪽에서 오른쪽, 위에서 아래로 읽는 대신 시각 조각을 의미에 따라 재배열합니다. 그런 다음 활성 파라미터가 약 5억(500 million) 개인 30억(3-billion) 파라미터 mixture-of-experts 디코더로 넘깁니다.
페이지당 시각 토큰은 256~1,120개로, 일반 비전 모델보다 훨씬 적습니다. 2025년 10월에 나온 DeepSeek-OCR의 후속 모델이며, 그 압축 방식을 그대로 이어받았습니다. GitHub 저장소에는 태그가 붙은 릴리스가 없고, 2026년 2월 3일 이후 커밋도 없습니다.
DeepSeek-OCR 2, 쓸 만한 가치가 있습니까?
DeepSeek-OCR 2는 영리하고 효율적인 문서 판독 모델이지만 이미 추월당했습니다. DeepSeek 논문은 OmniDocBench v1.5에서 91.09점을 보고합니다. 원래 DeepSeek-OCR보다 3.73점 높고, 읽기 순서 편집 거리는 0.085에서 0.057로 줄었습니다. 같은 표에서 파이프라인 방식의 PaddleOCR-VL은 92.86점을 받았고, 후속 모델 PaddleOCR-VL-1.6은 이제 v1.6에서 96.33점을 보고합니다.
독립적인 재측정 결과는 더 낮습니다. Baidu의 Unlimited-OCR 논문은 DeepSeek-OCR 2를 v1.5에서 89.17점, v1.6에서 90.25점으로 측정했습니다. 자사 모델은 93.23점과 93.92점이며, 이 모델 자체가 DeepSeek-OCR을 기반으로 만들어졌습니다. Hugging Face 카드에는 ParseBench 평균 41.2점 과, X의 게시물에서 가져온 olmOCR-bench 76.3점이 추가로 적혀 있습니다. 이런 편차는 OCR 순위가 누가 어떤 설정으로 테스트하느냐에 얼마나 좌우되는지 보여 줍니다.
효율성 면의 장점은 여전히 유효합니다. 페이지당 시각 토큰은 256~1,120개입니다. DeepSeek 표에 나온 Qwen3-VL-235B와 여러 엔드투엔드 파서는 6,000개 넘게 씁니다. 디코더는 토큰당 약 5억(500 million) 개 파라미터만 활성화합니다. BF16 체크포인트는 6.78 GB입니다. DeepSeek은 VRAM이나 초당 페이지 수치를 공개하지 않았고, PDF 모드가 원래 모델과 비슷한 속도로 돌아간다고만 밝혔습니다.
운영 면에서는 2026년 초에 멈춰 있습니다. 참조 환경은 CUDA 11.8, torch 2.6.0, transformers 4.46.3, vLLM 0.8.5 wheel로 고정돼 있습니다. 로딩에는 모델 저장소의 Python을 실행하는 trust_remote_code가 필요합니다. GitHub 프로젝트에는 2월 3일 이후 커밋이 없습니다. 지금 문서 파이프라인을 새로 시작하는 팀은 관리자가 업데이트를 멈춘 스택을 도입하는 셈입니다.
제 역할을 하는 곳
스캔한 아카이브 수백만 페이지를 디지털화하는 데이터 엔지니어
보유한 GPU에서 스캔본을 저렴하게 Markdown으로 변환하기
페이지당 1,120 토큰 상한 덕분에 디코더 연산과 컨텍스트가 작게 유지되고, vLLM 스크립트는 PDF를 동시에 처리합니다. CUDA 11.8과 vLLM 0.8.5 환경을 구축할 시간을 잡아 두고, 더 새로운 경쟁 모델이 더 높은 점수를 내는 표는 표본 검사를 해야 합니다.
이미 DeepSeek-OCR을 프로덕션에서 서비스하는 ML 팀
스택을 바꾸지 않고 다단 레이아웃의 읽기 순서 개선하기
프롬프트와 서빙 경로를 그대로 쓸 수 있고, DeepSeek은 읽기 순서 오류가 0.085에서 0.057로 줄었다고 보고합니다. 가장 저렴한 업그레이드입니다. 다만 PaddleOCR-VL-1.6으로 옮기면 이전 작업이 더 많은 대신 정확도가 더 높아집니다.
문서 AI를 평가하는 중견 은행의 컴플라이언스 책임자
깔끔한 라이선스로 은행 내부망 안에서 돌아가는 OCR 모델 찾기
호스팅 의존성이 없는 Apache 2.0은 이 조건에 맞습니다. 하지만 trust_remote_code 때문에 내부 서버에서 돌리기 전에 저장소의 Python 코드를 검토하고 특정 커밋에 고정해야 합니다.
도입 전 확인할 점
- 설정
- Transformers 경로는 CUDA 11.8 위에 torch 2.6.0, transformers 4.46.3, flash-attn 2.7.3을 설치한 뒤 base_size 1024, image_size 768로 model.infer를 호출합니다. vLLM 경로는 vLLM 0.8.5+cu118 wheel과 GitHub 저장소의 스크립트를 씁니다.
- 연동
- 프롬프트 모드 는 두 가지입니다. 레이아웃을 반영한 Markdown에는 "<|grounding|>Convert the document to markdown.", 일반 텍스트에는 "Free OCR."을 씁니다. 이 모델을 호스팅하는 Hugging Face 추론 제공자는 없습니다.
- 데이터와 개인정보
- Apache 2.0이고 셀프 호스팅이므로 문서가 자체 하드웨어에 머뭅니다. 로딩에는 저장소 코드를 실행하는 trust_remote_code가 필요합니다.
- 대규모 사용 시 비용
- 호스팅 가격은 없고 비용은 GPU 시간입니다. 가중치는 6.78 GB이고 페이지당 시각 토큰은 256~1,120개입니다. 하지만 DeepSeek은 장비 규모를 산정할 VRAM이나 처리량 수치를 공개하지 않았습니다.
- 제한
- OmniDocBench에서 PaddleOCR-VL-1.6과 Unlimited-OCR에 뒤처지고, 오래된 CUDA와 vLLM 스택에 묶여 있으며, 2026년 2월 3일 이후 저장소 활동이 없습니다.
좋은 점
- 사용 제한 없는 Apache 2.0
- 페이지당 시각 토큰 256~1,120개
- 읽기 순서 오류가 0.085에서 0.057로 감소
- BF16 가중치 6.78 GB
아쉬운 점
- OmniDocBench에서 PaddleOCR-VL-1.6과 Unlimited-OCR에 뒤처짐
- Baidu의 재측정 점수가 DeepSeek 발표치보다 1.9점 낮음
- CUDA 11.8과 vLLM 0.8.5에 고정
- 2026년 2월 이후 커밋 없음
추천 대상
이미 DeepSeek-OCR 스택에 투자했고, 그대로 교체만 해서 정확도를 높이고 싶은 팀.
DeepSeek-OCR 2 대안
DeepSeek-OCR 2: 자주 묻는 질문
- DeepSeek-OCR 2, 쓸 만한 가치가 있습니까?
- 시각 토큰을 아껴 쓰고 논문 문서화도 잘돼 있습니다. 하지만 경쟁 모델이 더 잘 읽고, 자체 저장소는 2월 이후 멈춰 있습니다. 평점은 5점 만점에 3.7점입니다.
- DeepSeek-OCR 2의 가격은 얼마입니까?
- Apache 2.0으로 무료입니다.
- DeepSeek-OCR 2의 단점은 무엇입니까?
- OmniDocBench에서 PaddleOCR-VL-1.6과 Unlimited-OCR에 뒤처짐; Baidu의 재측정 점수가 DeepSeek 발표치보다 1.9점 낮음; CUDA 11.8과 vLLM 0.8.5에 고정; 2026년 2월 이후 커밋 없음.
- DeepSeek-OCR 2에 적합한 사람은 누구입니까?
- 이미 DeepSeek-OCR 스택에 투자했고, 그대로 교체만 해서 정확도를 높이고 싶은 팀.
- 팀이나 프로덕션 환경에서 DeepSeek-OCR 2의 비용은 얼마입니까?
- 호스팅 가격은 없고 비용은 GPU 시간입니다. 가중치는 6.78 GB이고 페이지당 시각 토큰은 256~1,120개입니다. 하지만 DeepSeek은 장비 규모를 산정할 VRAM이나 처리량 수치를 공개하지 않았습니다.
- DeepSeek-OCR 2에 회사 데이터를 맡겨도 안전합니까?
- Apache 2.0이고 셀프 호스팅이므로 문서가 자체 하드웨어에 머뭅니다. 로딩에는 저장소 코드를 실행하는 trust_remote_code가 필요합니다.
- DeepSeek-OCR 2의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 PaddleOCR-VL-1.6 및 Unlimited-OCR 2입니다.
답변 확인일: 2026년 10월 22일.