Parsing und OCR

Worauf du achten solltest

Die Fragen, die die Optionen unterscheiden, nach Wichtigkeit geordnet.

1. 01

   Ergebnisse auf deinen eigenen schlimmsten Dokumenten

   Parser, die bei einem sauberen Bericht gleich aussehen, gehen bei gescannten Verträgen, gedrehten Seiten und mehrstufigen Tabellen auseinander. Nimm 20 bis 50 deiner schwierigsten Dateien, parse sie mit jedem Kandidaten und vergleiche die Ausgabe mit dem, was ein Mensch liest. Das schlägt jede Rangliste, denn die Benchmarks unten nutzen Dokumentmischungen, die deinen womöglich nicht ähneln.

2. 02

   Tabellenstruktur

   An Tabellen scheitern Parser am sichtbarsten: Verbundene Zellen, übergreifende Kopfzeilen und über Seiten geteilte Tabellen werden zu Fließtext. Benchmarks bewerten das mit TEDS (Ähnlichkeit nach Tree Edit Distance zwischen vorhergesagter und wahrer Tabellenstruktur, höher ist besser). Prüfe, ob der Parser Kopfzeilen behält, wenn eine Tabelle geteilt ist, denn eine Zeile ohne ihre Kopfzeilen wird schlecht abgerufen.

3. 03

   Wie man OmniDocBench liest

   OmniDocBench ist der meistzitierte öffentliche Benchmark für das Parsen von Seiten. Sein Gesamtwert mittelt drei Teile: Textgenauigkeit (1 minus normalisierte Edit Distance), Tabellen-TEDS und Formel-CDM, ein Modell, das bei Formeln stark ist, kann also eines überholen, das bei den Tabellen besser ist, auf die es dir ankommt; lies die Spalten der Einzelteile. Die Versionen v1.5, v1.6 und v1.7 sind nicht vergleichbar, und selbst angegebene Werte weichen von Läufen Dritter ab: DeepSeek meldet für DeepSeek-OCR 2 auf v1.5 91,09, während Baidu 89,17 maß.

4. 04

   Scans, Fotos und Handschrift

   Digital erzeugte PDFs und Office-Dateien tragen ihren Text in sich; Scans und Handyfotos brauchen OCR. Regelbasierte Konverter wie MarkItDown liefern aus einem Scan standardmäßig fast nichts. Pipelines mit Machine Learning (Docling, Unstructured hi_res) bewältigen gedruckte Scans, während Vision-Language-Modelle (PaddleOCR-VL, Chandra OCR 2, gehostete agentische Stufen) bei schiefen, schlecht beleuchteten oder handschriftlichen Seiten besser abschneiden, mit höherem Rechenaufwand.

5. 05

   Lesereihenfolge und Struktur in der Ausgabe

   Mehrspaltige Layouts, Randspalten und Fußnoten müssen in der Reihenfolge herauskommen, in der ein Mensch sie liest, mit Überschriften als Überschriften markiert. Strukturierte Ausgabe, etwa das Dokumentmodell von Docling oder die typisierten Elemente von Unstructured, lässt den nächsten Schritt nach Abschnitten chunken und Kopf- und Fußzeilen herausfiltern. Bounding Boxes und Seitenzahlen zählen, wenn du die Quelle zitieren oder hervorheben musst.

6. 06

   Wo Dokumente verarbeitet werden

   Gehostete Parser schicken deine Dateien in die Cloud eines anderen, und manche nutzen Modellanbieter von Drittparteien als Unterauftragsverarbeiter. Wenn Dokumente vertraulich oder reguliert sind, wähle eine selbst gehostete Bibliothek oder ein selbst gehostetes Modell oder einen Anbieter mit Bereitstellung in einer VPC oder On-Premises. Selbst gehostete VLMs brauchen eine GPU; ML-Pipelines laufen auf der CPU, aber langsam.

7. 07

   Kosten und Durchsatz pro 1.000 Seiten

   Gehostete Preise werden pro Seite angegeben und schwanken je nach Modus: LlamaParse reicht je nach Stufe von 1,25 $ bis 56,25 $ pro 1.000 Seiten, und Reducto verlangt 10 $ fürs Parsen und 40 $ für tiefe Extraktion. Selbst gehostete Tools kosten stattdessen GPU- oder CPU-Zeit. Leite nur die schwierigen Dokumente in teure Modi; für saubere, digital erzeugte Dateien reicht ein schneller Parser.

8. 08

   Sicherheit bei nicht vertrauenswürdigen Dateien

   Parser öffnen komplexe Formate, die ein Angreifer kontrollieren kann. Docling veröffentlichte im Oktober 2026 neun Sicherheits-Advisories, von denen mehrere einem präparierten Dokument erlaubten, lokale Dateien zu lesen, und das README von MarkItDown warnt, dass es Dateien und URLs mit den Rechten des Prozesses liest. Pinne gepatchte Versionen und betreibe das Parsen in einer Sandbox, wenn Nutzer Dokumente hochladen können.

Welcher Ansatz für welche Daten

Unterschiedliche Inhalte brauchen unterschiedliche Modelle. Viele Systeme nutzen mehrere und routen nach Datentyp.

34 Tools im Vergleich

Sortiert nach unserer Bewertung. Öffne einen Testbericht für Quellen, Preise und das vollständige Fazit.

Tools für Parsing und OCR im Vergleich

Tool	Bewertung	Unser Fazit	Ideal für	Preis
DoclingRepo	4.5/5	Docling ist der Open-Source-Parser, der Tabellen richtig erkennt, und der, dessen Sicherheitsreleases du dir nicht sparen kannst.	Teams, die selbst gehostetes RAG über PDFs und Office-Dokumente mit komplexen Tabellen bauen.	Kostenlos und Open Source unter der MIT-Lizenz.
PaddleOCR-VL-1.6Modell	4.4/5	Dokumentanalyse auf Spitzenniveau mit weniger als einer Milliarde Parametern, sofern du Baidus Werkzeugkette akzeptierst.	Teams, die Tabellen, Formeln und Text in großem Umfang aus unterschiedlichen einseitigen Dokumenten extrahieren.	Kostenlos unter Apache 2.0. Kein gehosteter Preis des Herstellers veröffentlicht.
ReductoTool	4.3/5	Reducto ist der Parser, für den sich das Geld lohnt, wenn ein Extraktionsfehler mehr kostet als die Seite, auch wenn die meisten Belege für seine Genauigkeit noch auf Reducto selbst zurückgehen.	Teams, die Felder aus langen Finanz-, Rechts- oder Medizindokumenten extrahieren, bei denen Fehler teuer sind.	150 $ Gratisnutzung; Parse 10 $, Extract 20 $, Deep Extract 40 $, Edit 60 $ pro 1.000 Seiten; im Batch 20 % Rabatt auf Parse und Extract. Growth und Enterprise individuell.
MiniCPM-OCR 1.0Modell	4.3/5	MiniCPM-OCR 1.0 verbindet eine Parsing-Genauigkeit nahe der Spitze mit dem höchsten Durchsatz im Test des Herstellers mit 15 Modellen. Wenn die Zahlen halten, ist es damit die praktische Wahl unter den kleinen OCR-Modellen.	Teams, die große Mengen chinesischer oder englischer Dokumente auf eigenen GPUs parsen und denen Seiten pro Stunde ebenso wichtig sind wie der letzte Punkt Genauigkeit.	Kostenlos unter Apache 2.0. ModelBests gehostete API zum Parsen von Dokumenten wird als kostenlos beworben; Kontingente und bezahlte Tarife nicht veröffentlicht.
GLM-OCRModell	4.3/5	GLM-OCR ist nicht mehr der genaueste Parser, aber der mit den wenigsten Gründen für ein Nein: klein, unter MIT-Lizenz, unabhängig bewertet und günstig zu mieten.	Teams, die ein schnelles, freizügig lizenziertes OCR-Modell wollen, das sie selbst betreiben oder beim selben Anbieter pro Token mieten können.	Kostenlos unter der MIT-Lizenz. Z.ai-API 0,03 $ pro Million Tokens, Eingabe und Ausgabe; BigModel (China) 0,2 RMB pro Million Tokens.
MinerURepo	4.3/5	MinerU verbindet eines der genauesten offenen Dokumentmodelle mit einem regen, gut dokumentierten Toolkit, auch wenn seine Lizenz kein einfaches Open Source mehr ist und seine APIs sich ständig ändern.	RAG- und Datenteams, die große, gemischte Sammlungen von PDFs und Office-Dateien auf eigener Hardware parsen und eine Nennungsklausel akzeptieren können.	Kostenlos unter der MinerU Open Source License (Apache 2.0 mit zusätzlichen Bedingungen); ab 100 Millionen monatlich aktiven Nutzern oder 20 Millionen $ Monatsumsatz ist eine separate kommerzielle Lizenz nötig.
MarkerRepo	4.3/5	Marker macht aus schwierigen PDFs brauchbares Markdown, besser als jede andere offene Pipeline, die seine Macher gemessen haben. Die Lizenz der Gewichte setzt dieser Freiheit allerdings eine Umsatzgrenze.	RAG- und Datenteams, die große Mengen komplexer oder gescannter PDFs auf eigener Hardware konvertieren.	Code kostenlos unter Apache 2.0; Gewichte kostenlos unter 5 Mio. $ Umsatz und Finanzierung, darüber kommerzielle Lizenz. Gehostete Datalab-API: Convert 4 $ pro 1.000 Seiten (fast oder balanced); Team-Plan 400 $/Monat.
LlamaParseTool	4.2/5	LlamaParse macht aus Dokumenten sauberen Text für RAG-Pipelines, zu einem günstigen, berechenbaren Preis pro Seite, solange deine Dateien in die Cloud eines anderen dürfen.	Teams, die große Mengen gemischter PDFs für RAG parsen und niedrige, berechenbare Kosten pro Seite wollen.	Free 10.000 Credits pro Monat; Starter 50 $ im Monat (40.000 Credits); Pro 500 $ im Monat (400.000 Credits). 1,25 $ pro 1.000 Credits; Parsing kostet je nach Stufe 1 bis 45 Credits pro Seite.
pdf-inspectorRepo	4.2/5	pdf-inspector gehört an den Anfang jeder PDF-Pipeline, denn der günstigste OCR-Aufruf ist der, den du nie machst.	Engineers, die RAG- oder Agenten-Pipelines über überwiegend digitale PDFs bauen und eine schnelle lokale Extraktion und eine günstige Entscheidung zwischen Scan und Text wollen.	Kostenlos unter der MIT-Lizenz.
Mistral OCRTool	4.2/5	Mistral OCR liest Dokumente in fast jeder Sprache gut und sagt dir, wie sicher es sich ist, zu einem Preis, der sich erst lohnt, wenn du Batch einschaltest.	Entwickler, die Dokument-Pipelines in vielen Sprachen bauen und Seitenpositionen und Konfidenzwerte brauchen, besonders in Europa oder on-premises.	4 $ pro 1.000 Seiten; 2 $ pro 1.000 Seiten über die Batch API; 5 $ pro 1.000 annotierte Seiten. Selbst gehosteter Container für Unternehmenskunden, Preis nicht veröffentlicht.
Unlimited-OCR 2Modell	4.2/5	Unlimited-OCR 2 macht aus einem Bericht mit 300 Seiten einen einzigen Modellaufruf, und bisher belegt das nur eine Rangliste, die Baidu selbst gebaut hat.	Teams, die lange Berichte, Verträge und Bücher digitalisieren und ganze Dokumente in einem Durchgang auf eigenen GPUs verarbeiten wollen.	Kostenlos unter der MIT-Lizenz. Die gehostete API von Baidu AI Cloud ist für begrenzte Zeit kostenlos (200 Testseiten für Privatpersonen, 1.000 für Unternehmen); Preise für die bezahlte Nutzung nicht veröffentlicht.
Chandra OCR 2Modell	4.2/5	Chandra OCR 2 hat die besten externen Belege aller offenen Dokument-Parser, die wir behandeln, und die strengste Lizenz: Die kostenlose kommerzielle Nutzung endet bei 2 Mio. $.	Forscher, Archive und kleine Unternehmen unter der Lizenzschwelle, die den am gründlichsten unabhängig getesteten offenen Parser für schwierige Scans und Handschrift wollen.	Gewichte kostenlos für Forschung, private Nutzung und Unternehmen unter 2 Mio. $ Umsatz und 2 Mio. $ Finanzierung; darüber bezahlte Lizenz (Preis nicht veröffentlicht). Datalab-API: Convert 4 $ pro 1.000 Seiten fast/balanced, 10 $ accurate; Team-Tarif 400 $/Monat.
LightOnOCR-3-4BModell	4.2/5	LightOnOCR-3-4B gibt einem einzigen 4B-Modell die Layoutboxen und Diagrammdaten, für die es früher eine Pipeline brauchte, und nach LightOns Zahlen ist es das offene Modell, das man bei französischen und handschriftlichen Dokumenten schlagen muss.	Teams, die Geschäftsdokumente, Formulare und Handschrift in europäischen Sprachen parsen und Layout- und Diagrammdaten ohne eine Erkennungspipeline wollen.	Kostenlos unter Apache 2.0. Keine gehostete API des Herstellers in der Model Card aufgeführt; eine kostenlose Demo läuft auf Hugging Face Spaces.
Mistral OCR 4.1Modell	4.2/5	Starke, layoutbewusste OCR mit nützlichen Konfidenzwerten und einer Option zum Selbsthosten, zum vierfachen Preis des Vorgängers und mancher Konkurrenten.	Teams, die Dokument-Pipelines bauen und Layout, Konfidenzwerte und Hosting in der EU oder vor Ort wichtiger finden als den niedrigsten Preis pro Seite.	4 $ pro 1.000 Seiten; 2 $ pro 1.000 Seiten über die Batch API; Annotationen mit Document AI 5 $ pro 1.000 Seiten. Selbst gehosteter Container für Enterprise-Kunden nach Vereinbarung.
OvisOCR3Modell	4.2/5	OvisOCR3 erledigt fünf Dokumentaufgaben mit dem Platzbedarf, den OvisOCR2 für eine brauchte, und das Einzige, was es bremst, ist, dass es außerhalb von Alibaba noch niemand bewertet hat.	Teams, die Parsing, Feldextraktion und seitenübergreifende Tabellen aus einem kleinen, selbst gehosteten Modell wollen und es an ihren eigenen Dokumenten validieren können.	Kostenlos unter Apache 2.0. Keine gehostete API; eine kostenlose Demo läuft auf Hugging Face Spaces.
Xberg (formerly Kreuzberg)Repo	4.1/5	Xberg öffnet fast jede Datei aus fast jeder Sprache, in der du schreibst, und diese Reichweite bringt eine große Fläche mit, die abgesichert werden muss.	Teams außerhalb von Python, die einen einbettbaren Parser für eine breite Mischung von Dateitypen brauchen, mit austauschbarem OCR.	Kostenlos unter der MIT-Lizenz. Xberg Pro und Enterprise (verwaltete oder selbst gehostete Backends) werden über ein Design-Partner-Programm verkauft; Preise gibt es nur nach Bewerbung.
Xiaomi-OCR-0Modell	4.1/5	Xiaomi-OCR-0 liest eine Seite etwa so gut wie anderthalbmal so große Modelle, doch seinen besten Hauptwert konnte ein konkurrierendes Labor nicht reproduzieren.	Teams, die ein kleines Modell unter Apache-Lizenz sowohl für die Umwandlung von Seiten in Markdown als auch für die Feldextraktion aus Formularen und Belegen wollen.	Kostenlos unter Apache 2.0. Keine gehostete API von Xiaomi.
OvisOCR2Modell	4.1/5	OvisOCR2 bewies, dass ein End-to-End-Modell mit 0,8B mit den besten Pipeline-Parsern mithalten kann, und drei Monate später machte sein eigener Nachfolger es zur zweiten Wahl.	Teams, die einen kleinen Seiten-Parser mit einem Durchgang wollen, dessen Genauigkeit auf der öffentlichen OmniDocBench-Rangliste bestätigt ist.	Kostenlos unter Apache 2.0. Keine gehostete API; eine kostenlose Demo läuft auf Hugging Face Spaces.
HunyuanOCR 1.5Modell	4.1/5	HunyuanOCR 1.5 ist nach Tencents eigenen Zahlen das stärkste End-to-End-OCR-Modell um 1B Parameter und für alle in Europa, Großbritannien oder Südkorea rechtlich tabu.	Teams außerhalb Europas, Großbritanniens und Südkoreas, die ein kleines Modell für Dokument-Parsing, Text Spotting, Extraktion und Bildübersetzung wollen.	Kostenlos unter der Tencent Hunyuan Community License außerhalb der EU, Großbritanniens und Südkoreas; Dienste mit über 100 Millionen monatlichen Nutzern brauchen eine Lizenz von Tencent. Kein Preis für eine gehostete API veröffentlicht.
PP-OCRv6Modell	4.1/5	PP-OCRv6 liest Textzeilen auf einer CPU oder einem Handy zu einem Bruchteil der Kosten eines VLM, solange du nur die Wörter brauchst und nicht die Seitenstruktur.	Entwickler, die schnelles, günstiges OCR auf Zeilenebene auf CPUs, Handys oder Edge-Geräten brauchen oder als erste Stufe ihrer eigenen Dokumentpipeline.	Kostenlos unter Apache 2.0. Kein gehosteter Preis des Herstellers veröffentlicht.
Azure Document IntelligenceTool	4.0/5	Für Rechnungen, Belege und Formulare, die jedes Mal gleich aussehen, ist Azure Document Intelligence günstig, beständig und offline lauffähig, aber für unordentliche Dokumente, die Urteilsvermögen verlangen, ist es das falsche Werkzeug.	Teams, die große Mengen an Standardformularen, Rechnungen oder Ausweisen auf Azure verarbeiten, oder alle, die Dokumentenextraktion lokal oder offline betreiben müssen.	Gratisstufe 500 Seiten pro Monat; Read 1,50 $ pro 1.000 Seiten (0,60 $ über 1 Million im Monat); Layout und vorgefertigte Modelle 10 $; eigene Extraktion 30 $; Klassifizierer 3 $; Add-ons 6 $; Commitment-Stufen ab 190 $/Monat; getrennte Container ab 8.640 $/Jahr.
Qianfan-OCRModell	4.0/5	Qianfan-OCR ist das Modell der Wahl, wenn eine Seite in einem Aufruf gelesen und verstanden werden muss; für die einfache Umwandlung in Markdown sind kleinere Parser genauer.	Teams, die Feldextraktion, das Lesen von Diagrammen und mehrsprachiges OCR aus einem selbst gehosteten Modell brauchen und eine Rechenzentrums-GPU erübrigen können.	Kostenlos unter Apache 2.0. Auch auf der Plattform Qianfan von Baidu AI Cloud angeboten; der gehostete Preis steht nicht in der Model Card.
Falcon OCRModell	4.0/5	Falcon OCR liest Text fast so gut wie zehnmal größere Modelle, zum Preis eines Durchlaufs mit 270M Parametern, sofern du ohne starke Tabellenstruktur auskommst.	Teams, die große Seitenmengen aus Kassenbons, Formularen, Scans und Handschrift auf bescheidenen GPUs verarbeiten und denen Text wichtiger ist als Tabellenstruktur.	Kostenlos unter Apache 2.0. Keine gehostete API; TII veröffentlicht ein vLLM-Docker-Image zum Selbsthosten.
Surya OCR 2.5Modell	4.0/5	Surya 2.5 macht ein Modell unter 1B zu einem glaubwürdigen vollständigen Dokumentparser mit etwa 16.000 Seiten pro Stunde auf einer H100, aber zuerst solltest du die Lizenz der Gewichte lesen.	Kleine Teams und Forschende, die schnelles, selbst gehostetes Dokument-Parsing mit Layout und Tabellen brauchen und deren Unternehmen unter der Lizenzschwelle liegt.	Gewichte kostenlos für Forschung, private Nutzung und Unternehmen unter 5 Mio. $ Umsatz und Finanzierung; darüber kostenpflichtige Lizenz (Preis nicht veröffentlicht). Datalab-API: Convert 4 $ pro 1.000 Seiten fast/balanced, 10 $ accurate; Team-Plan 400 $/Monat.
Indra OCRRepo	4.0/5	Auf gewöhnlichen CPUs schnell genug, um die Rechnung für Massen-OCR zu verändern, vorausgesetzt, deine Dokumente sind sauberer Druck und dein Unternehmen liegt unter der 20-Mio.-$-Grenze der Lizenz.	Startups und Forschungsteams, die große Mengen sauber gedruckter Dokumente günstig auf CPUs per OCR verarbeiten müssen.	Code Apache-2.0; Gewichte unter modifizierter OpenRAIL-M kostenlos für Forschung, private Nutzung und Unternehmen unter 20 Mio. $ Finanzierung oder Umsatz; sonst kommerzielle Lizenz von Datalab.
FireRed-OCRModell	3.9/5	Ein klarer Beleg dafür, dass Reinforcement Learning auf das Format ein allgemeines 2B-Modell um 11 Punkte heben kann, aber noch kein Grund, die Pipeline-Parser zu verlassen, die es weiterhin schlagen.	Teams, die bereits Qwen3-VL betreiben und einen direkt einsetzbaren Checkpoint für Dokumente zu Markdown wollen, ohne eine Layout-Pipeline hinzuzufügen.	Kostenlos unter Apache 2.0. Keine gehostete API; nur eine kostenlose Demo als Hugging Face Space.
UnstructuredRepo	3.8/5	Immer noch das breiteste Netz für ausgefallene Dateiformate, aber die Macher veröffentlichen inzwischen selbst die Zahlen, die zeigen, warum du stattdessen sie bezahlen solltest.	Teams, die ETL-Pipelines bauen, die viele Dokumentformate für RAG verarbeiten.	Bibliothek kostenlos unter Apache 2.0. Gehostete Plattform: 10.000 Seiten kostenlos, danach 0,015 $ pro Seite; Business-Plan mit VPC oder dediziertem Deployment, Preis auf Anfrage.
MarkItDownRepo	3.8/5	MarkItDown bringt Office-Dateien schneller in ein Modell als jedes andere Open-Source-Werkzeug und plättet genau die PDFs, die für Retrieval intakt bleiben müssten.	Entwickler, die Office-Dokumente und saubere digitale PDFs schnell und günstig an ein Modell übergeben müssen.	Kostenlos und Open Source unter der MIT-Lizenz. Optionale Azure-Konvertierungsdienste rechnet Microsoft ab.
Nemotron OCR v2Modell	3.8/5	Nemotron OCR v2 ist mit einer Größenordnung Abstand das schnellste offene OCR hier, liest auf NVIDIAs eigenem Dokument-Benchmark aber ungenauer als das PaddleOCR v5, das es abhängt.	Retrieval- und RAG-Teams auf NVIDIA-Hardware, die schnell reinen Text aus sehr großen Seitenmengen extrahieren müssen, mit einer für kommerzielle Nutzung freundlichen Lizenz.	Kostenlos unter der NVIDIA Open Model License, kommerzielle Nutzung erlaubt. Test-API auf build.nvidia.com; Preise für den NIM-Container auf der Modellseite nicht veröffentlicht.
Infinity-Parser2-FlashModell	3.8/5	Infinity-Parser2-Flash erledigt mehr Arten von Dokumentarbeit als die meisten 2B-Modelle, liegt beim einfachen Parsen von Seiten aber hinter kleineren Parsern und braucht Batching, um schnell zu sein.	Teams für wissenschaftliche und technische Dokumente, die Seiten-Parsing, Diagrammextraktion und Erkennung chemischer Strukturen aus einem kleinen, selbst gehosteten Modell wollen.	Kostenlos unter Apache 2.0. Keine gehostete API des Herstellers; eine kostenlose Demo läuft auf Hugging Face Spaces.
DeepSeek-OCR 2Modell	3.7/5	Sparsam mit visuellen Tokens und im Paper gut dokumentiert, aber die Konkurrenz liest besser, und das eigene Repository steht seit Februar still.	Teams, die bereits auf den DeepSeek-OCR-Stack setzen und ein Genauigkeits-Upgrade ohne Umbau wollen.	Kostenlos unter Apache 2.0.
Jina OCR v1Modell	3.7/5	Jina OCR v1 schreibt die kürzesten Seiten seiner Klasse und parst sie schnell, ist aber ein Modell aus dem Mittelfeld, dessen Gewichte du ohne Vertrag nicht kommerziell nutzen darfst.	Teams, die schon Jina Reader oder Elastic nutzen und günstiges gehostetes Umwandeln von Seiten in Markdown wollen, sowie Forscher, die eine schnelle nichtkommerzielle Baseline suchen.	Jina-API: 0,50 $ pro 1M Eingabe-Tokens, 2 $ pro 1M Ausgabe-Tokens. Gewichte kostenlos für nichtkommerzielle Nutzung unter CC BY-NC 4.0; kommerzielles Selbsthosten braucht eine Lizenz von Jina (Preis nicht veröffentlicht).
Ddeepseek-ocr.rsRepo	3.6/5	deepseek-ocr.rs stellt ein modernes OCR-Modell auf einem Mac ohne Python hinter einen OpenAI-Endpunkt, ist aber ein Ein-Personen-Projekt, das seit Februar still ist.	Entwickler auf Apple Silicon oder reinen CPU-Rechnern, die ein lokales OCR-Modell hinter einer API im OpenAI-Stil ohne Python-Stack wollen.	Kostenlos unter Apache-2.0; Modellgewichte folgen ihren Upstream-Lizenzen.
dots.ocrModell	3.6/5	Es machte 2025 Layout-Parsing mit einem einzigen Modell glaubwürdig, ist Ende 2026 aber die Version, die seine eigenen Entwickler ersetzt haben.	Teams mit bestehenden dots.ocr-Pipelines oder solche, die Bounding Boxes und Lesereihenfolge für ressourcenarme Sprachen aus einem einzigen MIT-lizenzierten Modell brauchen.	Kostenlos unter der MIT-Lizenz. Keine gehostete API des Herstellers.

Im direkten Vergleich

Die Spezifikationen, die für diesen Schritt zählen. Geprüft am 2. Nov. 2026; prüf sie auf der Website des Anbieters, bevor du dich festlegst.

Verbinde es mit deinem Agenten

MCP-Server, mit denen Assistenten wie Claude, ChatGPT und Cursor diese Tools direkt nutzen können.

• MarkItDown MCP 3.9

Wo diese Stufe hingehört

• Mit deinen Dokumenten chatten: Wir würden mit Docling, LlamaParse anfangen.
• Kundensupport-Agent: Wir würden mit MarkItDown anfangen.
• Coding-Agent: Wir würden mit MarkItDown anfangen.
• Recherche und Knowledge Graph: Wir würden mit Docling, PaddleOCR-VL-1.6 anfangen.
• Assistent mit Langzeitgedächtnis: Wir würden mit MarkItDown anfangen.
• Pipeline für Bildgenerierung: Wir würden mit Docling anfangen.
• Videoproduktion: Wir würden mit Docling anfangen.
• Sprachagent: Wir würden mit Docling anfangen.
• Private KI auf dem eigenen Gerät: Wir würden mit Docling, PaddleOCR-VL-1.6 anfangen.
• Dokumentenverarbeitung: Wir würden mit Reducto, PaddleOCR-VL-1.6, DeepSeek-OCR 2 anfangen.
• Dein eigenes feinabgestimmtes Modell: Wir würden mit Docling anfangen.
• Workflow-Automatisierung: Wir würden mit MarkItDown anfangen.

Quellen für diesen Leitfaden

• OmniDocBench on GitHub
• Unstructured vs LlamaParse vs Docling (Kanopy Labs)
• MarkItDown vs Docling vs Marker (danilchenko.dev)
• docling-project/docling on GitHub
• Docling October 2026 advisories (Safeguard)
• microsoft/markitdown on GitHub
• LlamaParse pricing documentation
• Reducto pricing
• PaddleOCR-VL-1.6 model card
• DeepSeek-OCR 2 model card
• Unlimited-OCR paper (arXiv)