Procesamiento y OCR

Qué tener en cuenta

Las preguntas que distinguen las opciones, por orden de importancia.

1. 01

   Resultados con tus peores documentos

   Parsers que parecen idénticos con un informe limpio se separan con contratos escaneados, páginas giradas y tablas de varios niveles. Elige entre 20 y 50 de tus archivos más difíciles, procésalos con cada candidato y compara la salida con lo que lee una persona. Esto vale más que cualquier clasificación, porque los benchmarks de abajo usan mezclas de documentos que pueden no parecerse a las tuyas.

2. 02

   Estructura de las tablas

   Las tablas son donde los parsers fallan de forma más visible: las celdas combinadas, los encabezados que abarcan varias columnas y las tablas partidas entre páginas se convierten en texto corrido. Los benchmarks lo puntúan con TEDS (similitud por distancia de edición de árboles entre la estructura de tabla prevista y la real; más alto es mejor). Comprueba si el parser conserva las filas de encabezado cuando una tabla se parte, porque una fila sin sus encabezados se recupera mal.

3. 03

   Cómo leer OmniDocBench

   OmniDocBench es el benchmark público más citado para el procesamiento de páginas. Su puntuación Overall promedia tres partes: precisión del texto (1 menos la distancia de edición normalizada), TEDS de tablas y CDM de fórmulas, así que un modelo fuerte en fórmulas puede quedar por encima de otro que es mejor con las tablas que te importan; lee las columnas de cada componente. Las versiones v1.5, v1.6 y v1.7 no son comparables, y las puntuaciones propias difieren de las ejecuciones de terceros: DeepSeek da 91.09 para DeepSeek-OCR 2 en v1.5, mientras que Baidu lo midió en 89.17.

4. 04

   Escaneos, fotos y letra manuscrita

   Los PDFs nativos digitales y los archivos de Office llevan su texto; los escaneos y las fotos del móvil necesitan OCR. Los conversores basados en reglas como MarkItDown no devuelven casi nada de un escaneo por defecto. Los pipelines de machine learning (Docling, Unstructured hi_res) manejan escaneos de texto impreso, mientras que los modelos de visión y lenguaje (PaddleOCR-VL, Chandra OCR 2, los niveles agénticos alojados) funcionan mejor con páginas torcidas, con poca luz o manuscritas, a cambio de más cómputo.

5. 05

   Orden de lectura y estructura en la salida

   Las maquetaciones a varias columnas, las barras laterales y las notas al pie deben salir en el orden en que las lee una persona, con los encabezados marcados como tales. Una salida estructurada, como el modelo de documento de Docling o los elementos tipados de Unstructured, permite que el siguiente paso fragmente por secciones y descarte cabeceras y pies de página. Las cajas delimitadoras y los números de página importan si necesitas citar o resaltar la fuente.

6. 06

   Dónde se procesan los documentos

   Los parsers alojados envían tus archivos a la nube de otro, y algunos usan proveedores de modelos externos como subencargados. Si los documentos son confidenciales o están regulados, elige una biblioteca o un modelo que alojes tú, o un proveedor que ofrezca despliegue en VPC o en tus instalaciones. Los VLMs alojados por ti necesitan una GPU; los pipelines de ML funcionan en CPU, pero despacio.

7. 07

   Coste y rendimiento por cada 1.000 páginas

   Los precios alojados se dan por página y varían según el modo: LlamaParse va de $1.25 a $56.25 por cada 1.000 páginas según el nivel, y Reducto cobra $10 por procesar y $40 por la extracción a fondo. Las herramientas alojadas por ti cuestan en cambio tiempo de GPU o CPU. Envía a los modos caros solo los documentos difíciles; un parser rápido basta para archivos limpios y nativos digitales.

8. 08

   Seguridad con archivos no fiables

   Los parsers abren formatos complejos que un atacante puede controlar. Docling publicó nueve avisos de seguridad en octubre de 2026, varios de los cuales permitían que un documento manipulado leyera archivos locales, y el README de MarkItDown advierte de que lee archivos y URLs con los privilegios del proceso. Fija versiones con los parches aplicados y aísla el procesamiento en un sandbox si los usuarios pueden subir documentos.

Qué enfoque para qué datos

Cada tipo de contenido necesita modelos distintos. Muchos sistemas usan más de uno y enrutan según el tipo de datos.

34 herramientas comparadas

Ordenadas por nuestra nota. Abre cualquier reseña para ver las fuentes, los precios y el veredicto completo.

Comparativa de herramientas de Procesamiento y OCR

Herramienta	Nota	Nuestro veredicto	Ideal para	Precio
Doclingrepo	4.5/5	Docling es el parser de código abierto que acierta con las tablas, y aquel cuyas versiones de seguridad no te puedes permitir saltarte.	Equipos que montan RAG autoalojado sobre PDF y documentos de Office con tablas complejas.	Gratuito y de código abierto con licencia MIT.
PaddleOCR-VL-1.6modelo	4.4/5	Análisis de documentos de primera fila con menos de mil millones de parámetros, siempre que aceptes las herramientas de Baidu.	Equipos que extraen tablas, fórmulas y texto de documentos variados de una sola página a gran escala.	Gratis bajo Apache 2.0. No hay precio alojado propio publicado.
Reductoherramienta	4.3/5	Reducto es el analizador por el que pagar cuando un error de extracción cuesta más que la página, aunque la mayor parte de las pruebas de su precisión sigue remitiendo a Reducto.	Equipos que extraen campos de documentos financieros, legales o médicos largos en los que los errores salen caros.	$150 de uso gratuito; Parse $10, Extract $20, Deep Extract $40, Edit $60 por 1000 páginas; 20% de descuento por lotes en Parse y Extract. Growth y Enterprise a medida.
MiniCPM-OCR 1.0modelo	4.3/5	MiniCPM-OCR 1.0 combina una precisión de análisis cercana a la cima con el mayor rendimiento en la prueba de 15 modelos de su creador, lo que lo convierte en la opción práctica de OCR pequeño si las cifras se confirman.	Equipos que analizan grandes volúmenes de documentos en chino o inglés en sus propias GPU y a los que les importan tanto las páginas por hora como el último punto de precisión.	Gratuito con licencia Apache 2.0. La API alojada de análisis de documentos de ModelBest se anuncia como gratuita; no se publican cuotas ni tarifas de pago.
GLM-OCRmodelo	4.3/5	GLM-OCR ya no es el analizador más preciso, pero es el que menos motivos da para descartarlo: pequeño, con licencia MIT, evaluado de forma independiente y barato de alquilar.	Equipos que quieren un modelo de OCR rápido y con licencia permisiva que puedan ejecutar ellos mismos o alquilar por tokens al mismo proveedor.	Gratuito con licencia MIT. API de Z.ai a 0,03 $ por millón de tokens, de entrada y de salida; BigModel (China) 0,2 RMB por millón de tokens.
MinerUrepo	4.3/5	MinerU combina uno de los modelos de documentos abiertos más precisos con un kit activo y bien documentado, aunque su licencia ya no es código abierto sin más y sus API no paran de cambiar.	Equipos de RAG y de datos que analizan colecciones grandes y mixtas de PDF y archivos de Office en su propio hardware, y pueden aceptar una cláusula de atribución.	Gratuito con la MinerU Open Source License (Apache 2.0 con condiciones añadidas); hace falta una licencia comercial aparte por encima de 100 millones de usuarios activos mensuales o 20 millones de dólares de ingresos mensuales.
Markerrepo	4.3/5	Marker convierte PDF difíciles en Markdown utilizable mejor que cualquier otra herramienta abierta que hayan medido sus creadores, aunque la licencia de los pesos pone un techo de ingresos a esa libertad.	Equipos de RAG y de datos que convierten grandes volúmenes de PDF complejos o escaneados en su propio hardware.	Código gratuito bajo Apache 2.0; pesos gratuitos por debajo de 5M $ entre ingresos y financiación, licencia comercial por encima. API alojada de Datalab: Convert a 4 $ por 1.000 páginas (fast o balanced); plan Team a 400 $/mes.
LlamaParseherramienta	4.2/5	LlamaParse convierte documentos en texto limpio para flujos de RAG a un precio por página bajo y previsible, siempre que tus archivos puedan visitar la nube de otro.	Equipos que analizan grandes volúmenes de PDF variados para RAG y quieren costes por página bajos y previsibles.	Free 10K créditos/mes; Starter 50 $/mes (40K créditos); Pro 500 $/mes (400K créditos). 1,25 $ por 1.000 créditos; el análisis cuesta de 1 a 45 créditos por página según el nivel.
pdf-inspectorrepo	4.2/5	pdf-inspector debería ser la primera parada de cualquier proceso con PDF, porque la llamada de OCR más barata es la que nunca haces.	Ingenieros que construyen procesos de RAG o de agentes sobre PDF mayoritariamente digitales y quieren una extracción local y rápida y una decisión barata entre escaneo y texto.	Gratis bajo la licencia MIT.
Mistral OCRherramienta	4.2/5	Mistral OCR lee bien documentos en casi cualquier idioma y te dice cuánta seguridad tiene, a un precio que solo tiene sentido cuando activas el procesamiento por lotes.	Desarrolladores que crean flujos de procesamiento de documentos en muchos idiomas y necesitan posiciones en la página y puntuaciones de confianza, sobre todo en Europa o en local.	$4 por 1.000 páginas; $2 por 1.000 páginas en la Batch API; $5 por 1.000 páginas anotadas. Contenedor autoalojado para clientes empresariales, sin precio publicado.
Unlimited-OCR 2modelo	4.2/5	Unlimited-OCR 2 convierte un informe de 300 páginas en una sola llamada al modelo, y por ahora la única clasificación que lo demuestra es una que construyó Baidu.	Equipos que digitalizan informes, contratos y libros largos y quieren procesar documentos completos en sus propias GPU.	Gratuito bajo la licencia MIT. La API alojada de Baidu AI Cloud es gratuita por tiempo limitado (200 páginas de prueba para particulares, 1.000 para empresas); tarifas de pago no publicadas.
Chandra OCR 2modelo	4.2/5	Chandra OCR 2 tiene las mejores pruebas externas de todos los analizadores de documentos abiertos que cubrimos, y la licencia más estricta: el uso comercial gratuito termina en 2M $.	Investigadores, archivos y pequeñas empresas por debajo del umbral de la licencia que quieren el analizador abierto más probado de forma independiente para escaneos difíciles y escritura a mano.	Pesos gratuitos para investigación, uso personal y empresas con menos de 2M $ de ingresos y 2M $ de financiación; licencia de pago por encima (precio no publicado). API de Datalab: Convert 4 $ por 1.000 páginas en modo fast/balanced, 10 $ en accurate; plan Team 400 $/mes.
LightOnOCR-3-4Bmodelo	4.2/5	LightOnOCR-3-4B da a un solo modelo de 4B los cuadros de maquetación y los datos de gráficos que antes exigían una canalización, y según las cifras de LightOn es el modelo abierto a batir con documentos en francés y manuscritos.	Equipos que analizan documentos empresariales, formularios y escritura a mano en idiomas europeos y quieren datos de maquetación y de gráficos sin ejecutar una canalización de detección.	Gratuito con licencia Apache 2.0. La ficha del modelo no menciona ninguna API alojada propia; hay una demo gratuita en Hugging Face Spaces.
Mistral OCR 4.1modelo	4.2/5	Un OCR sólido y consciente de la maquetación, con puntuaciones de confianza útiles y opción de alojamiento propio, a cuatro veces el precio de su predecesor y de algunos rivales.	Equipos que crean pipelines de documentos y necesitan maquetación, puntuaciones de confianza y alojamiento en la UE o en sus instalaciones más que el coste por página más bajo.	$4 por 1.000 páginas; $2 por 1.000 páginas en la Batch API; anotaciones de Document AI a $5 por 1.000 páginas. Contenedor autoalojado para clientes empresariales previo acuerdo.
OvisOCR3modelo	4.2/5	OvisOCR3 hace cinco tareas documentales con el mismo tamaño que OvisOCR2 usaba para una, y lo único que lo frena es que nadie fuera de Alibaba lo ha evaluado todavía.	Equipos que quieren análisis, extracción de campos y tablas entre páginas con un solo modelo pequeño autoalojado, y pueden validarlo con sus propios documentos.	Gratuito con licencia Apache 2.0. Sin API alojada; hay una demo gratuita en Hugging Face Spaces.
Xberg (formerly Kreuzberg)repo	4.1/5	Xberg abre casi cualquier archivo desde casi cualquier lenguaje en el que programes, y ese alcance viene con una gran superficie que proteger.	Equipos fuera de Python que necesitan un único parser integrable para una gran variedad de tipos de archivo, con un OCR que puedan cambiar.	Gratuito con licencia MIT. Xberg Pro y Enterprise (backends gestionados o autoalojados) se venden mediante un programa de design partners; los precios solo se comunican al presentar la solicitud.
Xiaomi-OCR-0modelo	4.1/5	Xiaomi-OCR-0 lee una página más o menos tan bien como modelos un 50% mayores, pero su cifra principal más llamativa es una que un laboratorio rival no pudo reproducir.	Equipos que quieren un solo modelo pequeño con licencia Apache tanto para el análisis de página a Markdown como para la extracción de campos de formularios y tickets.	Gratuito con licencia Apache 2.0. Sin API alojada de Xiaomi.
OvisOCR2modelo	4.1/5	OvisOCR2 demostró que un modelo de extremo a extremo de 0,8B puede igualar a los mejores analizadores por canalización, y tres meses después su propio sucesor lo convirtió en la segunda opción.	Equipos que quieren un analizador de páginas pequeño de una sola pasada cuya precisión se haya confirmado en la clasificación pública de OmniDocBench.	Gratuito con licencia Apache 2.0. Sin API alojada; hay una demo gratuita en Hugging Face Spaces.
HunyuanOCR 1.5modelo	4.1/5	HunyuanOCR 1.5 es el modelo de OCR de extremo a extremo más fuerte en torno a 1B de parámetros según las cifras de Tencent, y legalmente vetado para cualquiera en Europa, el Reino Unido o Corea del Sur.	Equipos fuera de Europa, el Reino Unido y Corea del Sur que quieren un solo modelo pequeño para análisis de documentos, localización de texto, extracción y traducción de imágenes.	Gratuito con la Tencent Hunyuan Community License fuera de la UE, el Reino Unido y Corea del Sur; los servicios con más de 100 millones de usuarios mensuales necesitan una licencia de Tencent. No se publica precio de API alojada.
PP-OCRv6modelo	4.1/5	PP-OCRv6 lee líneas de texto en una CPU o un móvil por una fracción del coste de un VLM, siempre que solo necesites las palabras y no la estructura de la página.	Ingenieros que necesitan OCR de líneas de texto rápido y barato en CPU, móviles o dispositivos edge, o como primera fase de su propia canalización de documentos.	Gratuito con licencia Apache 2.0. No se publica precio alojado propio.
Azure Document Intelligenceherramienta	4.0/5	Para facturas, recibos y formularios que siempre tienen el mismo aspecto, Azure Document Intelligence es barato, estable y funciona sin conexión, pero es la herramienta equivocada para documentos desordenados que exigen criterio.	Equipos que procesan grandes volúmenes de formularios estándar, facturas o documentos de identidad en Azure, o cualquiera que necesite que la extracción de documentos funcione en sus instalaciones o sin conexión.	Nivel gratuito de 500 páginas al mes; Read 1,50 $ por 1.000 páginas (0,60 $ por encima de 1 millón al mes); Layout y prebuilt 10 $; extracción personalizada 30 $; clasificador 3 $; complementos 6 $; niveles de compromiso desde 190 $/mes; contenedores desconectados desde 8.640 $/año.
Qianfan-OCRmodelo	4.0/5	Qianfan-OCR es el modelo que elegir cuando una página hay que leerla y entenderla en una sola llamada; para la simple conversión a Markdown, los analizadores más pequeños son más precisos.	Equipos que necesitan extracción de campos, lectura de gráficos y OCR multilingüe con un solo modelo autoalojado y pueden dedicarle una GPU de centro de datos.	Gratuito con licencia Apache 2.0. También se ofrece en la plataforma Qianfan de Baidu AI Cloud; la ficha del modelo no indica el precio alojado.
Falcon OCRmodelo	4.0/5	Falcon OCR lee el texto casi tan bien como modelos diez veces mayores por el coste de una pasada de 270M de parámetros, siempre que puedas prescindir de una buena estructura de tablas.	Equipos que procesan grandes volúmenes de páginas de recibos, formularios, escaneos y escritura a mano con GPU modestas, cuando el texto importa más que la estructura de las tablas.	Gratuito con licencia Apache 2.0. Sin API alojada; TII publica una imagen de Docker de vLLM para autoalojar.
Surya OCR 2.5modelo	4.0/5	Surya 2.5 convierte un modelo de menos de 1B en un analizador de documentos completo creíble, a unas 16.000 páginas por hora en una H100, pero lo primero que hay que leer es la licencia de sus pesos.	Equipos pequeños e investigadores que necesitan un análisis de documentos autoalojado y rápido con maquetación y tablas, y cuya empresa está por debajo del umbral de la licencia.	Pesos gratis para investigación, uso personal y empresas por debajo de $5M de ingresos y financiación; licencia de pago por encima (precio no publicado). API de Datalab: Convert $4 por 1.000 páginas en fast/balanced, $10 en accurate; plan Team $400/mes.
Indra OCRrepo	4.0/5	Lo bastante rápido en CPU normales como para cambiar la economía del OCR masivo, siempre que tus documentos sean impresos limpios y tu empresa quede por debajo de la línea de $20M de la licencia.	Startups y equipos de investigación que necesitan pasar por OCR grandes volúmenes de documentos impresos limpios a bajo coste en CPU.	Código Apache-2.0; pesos gratis bajo una OpenRAIL-M modificada para investigación, uso personal y empresas por debajo de $20M de financiación o ingresos; en otro caso, licencia comercial de Datalab.
FireRed-OCRmodelo	3.9/5	Una demostración clara de que el aprendizaje por refuerzo sobre el formato puede subir 11 puntos a un modelo general de 2B, pero todavía no un motivo para abandonar los analizadores por canalización que aún lo superan.	Equipos que ya sirven Qwen3-VL y quieren un checkpoint de documento a Markdown que encaje directamente sin añadir una canalización de maquetación.	Gratuito con licencia Apache 2.0. Sin API alojada; solo una demo gratuita en un Space de Hugging Face.
Unstructuredrepo	3.8/5	Sigue siendo la red más amplia para formatos de archivo raros, pero sus creadores publican ahora las cifras que muestran por qué deberías pagarles.	Equipos que construyen pipelines de ETL que ingieren muchos formatos de documento para RAG.	Biblioteca gratuita con Apache 2.0. Plataforma alojada: 10.000 páginas gratis y después 0,015 $ por página; plan Business con despliegue en VPC o dedicado, con precio a consultar.
MarkItDownrepo	3.8/5	MarkItDown lleva los archivos de Office a un modelo más rápido que cualquier otra herramienta de código abierto, y aplana justo los PDF que la recuperación más necesita intactos.	Desarrolladores que necesitan pasar documentos de Office y PDF digitales limpios a un modelo de forma rápida y barata.	Gratuito y de código abierto bajo licencia MIT. Los servicios opcionales de conversión de Azure los factura Microsoft.
Nemotron OCR v2modelo	3.8/5	Nemotron OCR v2 es con diferencia el OCR abierto más rápido de este grupo, un orden de magnitud por delante, pero en el propio benchmark de documentos de NVIDIA lee con menos precisión que el PaddleOCR v5 al que supera en velocidad.	Equipos de recuperación y RAG con hardware de NVIDIA que necesitan extraer deprisa texto plano de volúmenes de páginas muy grandes, con una licencia favorable al uso comercial.	Gratuito con la NVIDIA Open Model License, uso comercial permitido. API de prueba en build.nvidia.com; la página del modelo no publica el precio del contenedor NIM.
Infinity-Parser2-Flashmodelo	3.8/5	Infinity-Parser2-Flash hace más tipos de trabajo documental que la mayoría de los modelos de 2B, pero en el análisis de páginas corrientes queda por detrás de analizadores más pequeños y necesita lotes para ser rápido.	Equipos de investigación y documentación técnica que quieren análisis de páginas, extracción de gráficos y reconocimiento de estructuras químicas con un solo modelo pequeño autoalojado.	Gratuito con licencia Apache 2.0. Sin API alojada propia; hay una demo gratuita en Hugging Face Spaces.
DeepSeek-OCR 2modelo	3.7/5	Austero con los tokens visuales y bien documentado en su artículo, pero sus rivales leen mejor y su propio repositorio dejó de moverse en febrero.	Equipos que ya han invertido en el stack de DeepSeek-OCR y quieren una mejora de precisión directa.	Gratis bajo Apache 2.0.
Jina OCR v1modelo	3.7/5	Jina OCR v1 escribe las páginas más cortas de su categoría y las analiza deprisa, pero es un modelo de mitad de tabla cuyos pesos no puedes usar comercialmente sin un contrato.	Equipos que ya usan Jina Reader o Elastic y quieren un servicio alojado barato de página a Markdown, e investigadores que quieren una referencia rápida no comercial.	API de Jina: 0,50 $ por 1M tokens de entrada, 2 $ por 1M tokens de salida. Pesos gratuitos para uso no comercial con CC BY-NC 4.0; el autoalojamiento comercial necesita una licencia de Jina (precio no publicado).
Ddeepseek-ocr.rsrepo	3.6/5	deepseek-ocr.rs pone un modelo de OCR moderno detrás de un endpoint de OpenAI en un Mac sin Python, pero es un proyecto de una sola persona que se quedó en silencio en febrero.	Desarrolladores en Apple Silicon o en máquinas solo con CPU que quieren un modelo de OCR local detrás de una API al estilo de OpenAI sin una pila de Python.	Gratuito con Apache-2.0; los pesos de los modelos siguen sus licencias originales.
dots.ocrmodelo	3.6/5	Hizo creíble en 2025 el análisis de maquetación con un solo modelo, pero a finales de 2026 es la versión que sus propios creadores han sustituido.	Equipos con canalizaciones de dots.ocr ya montadas, o que necesitan cuadros delimitadores y orden de lectura para idiomas con pocos recursos desde un único modelo con licencia MIT.	Gratuito con licencia MIT. Sin API alojada propia.

Lado a lado

Las especificaciones que importan en este paso. Comprobado el 2 nov 2026; confírmalo en la web del proveedor antes de decidirte.

Conéctalo a tu agente

Servidores MCP que permiten a asistentes como Claude, ChatGPT y Cursor usar estas herramientas directamente.

• MarkItDown MCP 3.9

Dónde encaja esta etapa

• Chatea con tus documentos: empezaríamos con Docling, LlamaParse.
• Agente de atención al cliente: empezaríamos con MarkItDown.
• Agente de programación: empezaríamos con MarkItDown.
• Investigación y grafo de conocimiento: empezaríamos con Docling, PaddleOCR-VL-1.6.
• Asistente con memoria a largo plazo: empezaríamos con MarkItDown.
• Pipeline de generación de imágenes: empezaríamos con Docling.
• Producción de vídeo: empezaríamos con Docling.
• Agente de voz: empezaríamos con Docling.
• IA privada y local: empezaríamos con Docling, PaddleOCR-VL-1.6.
• Procesamiento de documentos: empezaríamos con Reducto, PaddleOCR-VL-1.6, DeepSeek-OCR 2.
• Tu propio modelo con fine-tuning: empezaríamos con Docling.
• Automatización de flujos de trabajo: empezaríamos con MarkItDown.

Fuentes de esta guía

• 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)