¿Qué es MarkItDown?
MarkItDown convierte archivos en Markdown para que los modelos de lenguaje y los pipelines de texto puedan leerlos. Admite PDF, Word, PowerPoint, Excel, HTML, CSV, JSON, XML, EPUB, archivos ZIP, imágenes (metadatos y OCR), audio (transcripción) y URL de YouTube, y conserva encabezados, listas, tablas y enlaces cuando puede.
Es una biblioteca de Python y una herramienta de línea de comandos con extras opcionales por formato, un sistema de plugins (incluido un plugin de OCR que llama a un modelo de visión) y derivaciones opcionales a Azure Document Intelligence o Azure Content Understanding para los archivos más difíciles. Un paquete aparte lo expone como servidor MCP.
Microsoft dice que la salida está pensada para herramientas de análisis de texto, no para una conversión de alta fidelidad que vayan a leer personas.
¿Merece la pena MarkItDown?
MarkItDown es la forma más rápida de convertir archivos de Word, PowerPoint y Excel en Markdown que un modelo pueda leer, y una mala elección para PDF cuyo sentido está en tablas o escaneos. Tiene unas 191.700 estrellas, y Microsoft publicó la v0.1.9 el 21 de octubre de 2026, un mes después de la v0.1.8. Las dos son versiones de mantenimiento: la v0.1.9 subió el bloque de lectura HTTP de 512 bytes a 64 KB, añadió un ajuste de idioma para la transcripción de audio y rehízo las pruebas en torno a archivos reales.
Con los PDF se queda por detrás de los conversores que entienden la maquetación. Una comparativa en danilchenko.dev, publicada en mayo de 2026 y actualizada en agosto, vio que MarkItDown convertía las tablas de los PDF en párrafos corridos, desordenaba las páginas a varias columnas y no devolvía casi nada de un documento escaneado, porque por defecto no hace OCR. La misma prueba lo cronometró en 0,6 segundos para un documento de 14 páginas, con una instalación de unos 80 MB frente a unos 2,4 GB de Docling.
Los arreglos cuestan dinero. El plugin markitdown-ocr envía las imágenes incrustadas a un modelo de visión que pones tú, como GPT-4o, así que ese proveedor factura el OCR por llamada. La vía de Azure se cobra por página: el modelo Read de Document Intelligence figura a 1,50 $ por 1.000 páginas y sus modelos precompilados, Layout incluido, a 10 $ por 1.000, mientras que la extracción estándar de documentos de Content Understanding cuesta 5 $ por 1.000. A esos precios, 100.000 páginas escaneadas al mes por Layout salen por unos 1.000 $.
El README es franco sobre la seguridad. MarkItDown lee archivos y URL con los privilegios del proceso que lo ejecuta, así que un servicio que acepte entradas no fiables debe llamar a la función de conversión más acotada, como convert_stream, y sanear las rutas. Los plugins vienen desactivados por defecto, lo correcto en una biblioteca que ejecuta código de terceros.
Microsoft también ha marcado un límite de alcance: la guía de contribución excluye del repositorio servidores web, API REST y servicios de conversión alojados, salvo el paquete markitdown-mcp. Quien quiera un servicio de conversión tiene que construirlo y protegerlo por su cuenta, algo muy distinto de Docling o Unstructured.
Dónde se gana su sitio
Un ingeniero de RAG que indexa 20.000 archivos internos de Word y PowerPoint
Convertir un archivo de documentos de Office en fragmentos de Markdown para una base vectorial
pip install 'markitdown[docx,pptx,xlsx]' y convertir en un trabajo por lotes en una instancia de CPU normal. Encabezados, listas y tablas sobreviven bien en los formatos de Office, y no hay tarifas por página.
Un equipo de operaciones de una aseguradora que procesa formularios de siniestros escaneados
Extraer texto y tablas de PDF escaneados
La conversión integrada no devuelve casi nada de los escaneos, así que hay que enviarlos a Azure Document Intelligence con el extra az-doc-intel. Layout cuesta 10 $ por 1.000 páginas, unos 1.000 $ al mes con 100.000 páginas, y los archivos salen de tu red hacia Azure.
Un desarrollador que añade subida de archivos a un asistente de chat interno
Aceptar documentos de usuarios sin abrir un agujero de lectura de archivos o SSRF
Llamar a convert_stream sobre los bytes subidos en lugar de a convert sobre una ruta o URL que da el usuario, como aconseja el README, y mantener los plugins desactivados. Gratis, pero el perímetro de seguridad lo construyes tú.
Antes de decidirte
- Puesta en marcha
- pip install 'markitdown[all]' (Python 3.10 a 3.14) o elegir extras por formato; markitdown file.pdf > out.md desde la CLI, o MarkItDown().convert() en Python. Incluye un Dockerfile para construirlo y ejecutarlo en local.
- Integraciones
- API de Python y CLI; paquete markitdown-mcp para clientes MCP; plugins de terceros (desactivados por defecto); markitdown-ocr con cualquier cliente compatible con OpenAI; back ends de Azure Document Intelligence y Azure Content Understanding.
- Datos y privacidad
- Local por defecto, sin telemetría mencionada en el README; la búsqueda de código de GitHub tampoco encuentra ninguna, y la imagen de Docker fija ORT_DISABLE_TELEMETRY=1. Los archivos solo van a OpenAI u otro proveedor si activas el plugin de OCR o las descripciones de imágenes, y a Azure si usas esos back ends. Lee cualquier ruta o URL a la que llegue el proceso. MIT; sin avisos de seguridad publicados.
- Coste a escala
- Gratis en CPU para Office y PDF nativos digitales. Azure Document Intelligence Read cuesta 1,50 $ y Layout 10 $ por 1.000 páginas, y la extracción estándar de Content Understanding 5 $ por 1.000; el OCR con modelo de visión lo factura tu proveedor por llamada.
- Límites
- Sin OCR ni estructura de tablas para PDF de serie; unas 740 incidencias y pull requests abiertas; numeración de versiones anterior a la 1.0; los servidores y servicios alojados quedan fuera del alcance del proyecto.
Lo bueno
- Amplia cobertura de formatos en una sola biblioteca
- Rápido, con una instalación pequeña y extras por formato
- Plugins desactivados por defecto; back ends opcionales de Azure
- Licencia MIT y mantenimiento de Microsoft
Lo malo
- Aplana las tablas de los PDF y las maquetaciones a varias columnas
- El OCR requiere un modelo de visión de pago o Azure
- Lee cualquier archivo o URL al que llegue el proceso
- Sin modo alojado ni de servidor en su alcance
Ideal para
Desarrolladores que necesitan pasar documentos de Office y PDF digitales limpios a un modelo de forma rápida y barata.
Alternativas a MarkItDown
MarkItDown: preguntas frecuentes
- ¿Merece la pena MarkItDown?
- 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. Le damos un 3.8 sobre 5.
- ¿Cuánto cuesta MarkItDown?
- Gratuito y de código abierto bajo licencia MIT. Los servicios opcionales de conversión de Azure los factura Microsoft.
- ¿Qué inconvenientes tiene MarkItDown?
- Aplana las tablas de los PDF y las maquetaciones a varias columnas; el OCR requiere un modelo de visión de pago o Azure; lee cualquier archivo o URL al que llegue el proceso; sin modo alojado ni de servidor en su alcance.
- ¿Para quién es MarkItDown?
- Desarrolladores que necesitan pasar documentos de Office y PDF digitales limpios a un modelo de forma rápida y barata.
- ¿Cuánto cuesta MarkItDown para un equipo o en producción?
- Gratis en CPU para Office y PDF nativos digitales. Azure Document Intelligence Read cuesta 1,50 $ y Layout 10 $ por 1.000 páginas, y la extracción estándar de Content Understanding 5 $ por 1.000; el OCR con modelo de visión lo factura tu proveedor por llamada.
- ¿Es MarkItDown seguro para los datos de la empresa?
- Local por defecto, sin telemetría mencionada en el README; la búsqueda de código de GitHub tampoco encuentra ninguna, y la imagen de Docker fija ORT_DISABLE_TELEMETRY=1. Los archivos solo van a OpenAI u otro proveedor si activas el plugin de OCR o las descripciones de imágenes, y a Azure si usas esos back ends. Lee cualquier ruta o URL a la que llegue el proceso. MIT; sin avisos de seguridad publicados.
- ¿Cuáles son las mejores alternativas a MarkItDown?
- Las alternativas más cercanas que hemos analizado son Docling, Unstructured, Marker, pdf-inspector, Xberg (formerly Kreuzberg) y Ocrs.
Respuestas comprobadas el 26 oct 2026.