¿Qué es dots.ocr?
dots.ocr es un modelo abierto de análisis de documentos de rednote hi lab, el grupo de IA de Xiaohongshu, publicado el 30 de julio de 2025 con licencia MIT. Un solo modelo de visión y lenguaje se ocupa tanto de detectar la maquetación como de leer: devuelve el cuadro delimitador, la categoría y el texto de cada bloque, con las tablas en HTML, las fórmulas en LaTeX y todo lo demás en Markdown, en orden de lectura. La API de Hugging Face cuenta 3.040 millones de parámetros, un modelo de lenguaje de 1.700 millones más un codificador visual de 42 capas.
Los pesos están ahora en la organización dots-studio de Hugging Face y el código en studio-dots-ai en GitHub, donde el último commit fue el 24 de marzo de 2026. Un checkpoint base llegó el 31 de octubre de 2025, y en marzo de 2026 el equipo publicó dots.mocr, un sucesor del mismo tamaño que además convierte gráficos y figuras a SVG.
¿Merece la pena dots.ocr?
dots.ocr era un analizador potente cuando salió y ahora es uno del montón. Su ficha comunica 79,1 en olmOCR-bench y un TEDS de tablas de 88,6 en inglés en el OmniDocBench original, por delante de MinerU, Marker y Gemini 2.5 Pro en aquel momento. Son cifras de sus creadores, algunas tomadas de los proyectos MonkeyOCR y olmOCR y otras de ejecuciones internas, con los encabezados y pies de página eliminados antes de puntuar.
Desde entonces, rivales más nuevos lo han vuelto a evaluar y lo han situado más abajo. La comparación de FireRedTeam le da 88,41 en OmniDocBench v1.5, por detrás de DeepSeek-OCR 2 con 91,09 y PaddleOCR-VL con 92,86, y 71,0 en tablas de PubTabNet. En las páginas reales complicadas de FireRedBench obtiene 72,93. Estas cifras vienen de competidores con interés en el resultado, pero coinciden en la dirección.
Su punto fuerte distintivo es la amplitud de idiomas. El dots.ocr-bench interno cubre 1.493 páginas PDF en 100 idiomas, y allí el equipo comunica una distancia de edición global de 0,177 frente a 0,251 de Gemini 2.5 Pro. La detección de maquetación en el mismo informe supera a DocLayout-YOLO, 0,831 frente a 0,733 de F1. No existe ninguna prueba multilingüe independiente, así que la afirmación se apoya en un benchmark construido por sus creadores.
La parte operativa no ha envejecido bien. Servirlo con vLLM obliga a parchear con sed el lanzador de vllm para registrar el modelo, guardar los pesos en un directorio sin puntos en el nombre y activar trust_remote_code; las evaluaciones de la propia ficha usaron vLLM 0.9.1. La sección de limitaciones advierte de que las series de puntos suspensivos o guiones bajos pueden hacer que la salida se repita sin fin, de que las imágenes no se analizan y de que el modelo no está optimizado para procesar PDF en gran volumen. dots.mocr, publicado por el mismo equipo en marzo de 2026 con el mismo tamaño, cubre el hueco de las imágenes y marca 84,0 en olmOCR-bench en la comparación de Falcon OCR de TII.
Dónde se gana su sitio
Un proveedor de localización que procesa manuales escaneados en decenas de idiomas
Extraer texto con posiciones de maquetación de documentos en escrituras con pocos recursos
El prompt de maquetación devuelve cuadros, categorías y texto en orden de lectura con una sola llamada. La ventaja multilingüe se mide en el benchmark propio del equipo de 1.493 páginas, así que valídala antes con una muestra de tus idiomas.
Una ingeniera de ML con una canalización de dots.ocr ya en producción
Decidir si mantenerla o migrar
Los prompts y el esquema de salida son estables, pero dots.mocr, del mismo equipo, tiene el mismo tamaño y añade el análisis de gráficos y figuras. Una prueba comparativa con tus propias páginas sale más barata que cambiar por reputación.
Un investigador de IA documental que prepara una referencia de detección de maquetación
Comparar un detector de maquetación basado en VLM con detectores al estilo YOLO
El prompt solo de detección comunica 0,845 de F1 frente a 0,733 de DocLayout-YOLO en el benchmark del equipo, y los pesos MIT se pueden ajustar sin dudas de licencia.
Antes de decidirte
- Puesta en marcha
- Python 3.12, torch 2.7.0 sobre CUDA 12.8, pip install -e . desde el repositorio de GitHub y después un script de descarga; o la imagen de Docker rednotehilab/dots.ocr construida sobre la imagen oficial de vLLM.
- Integraciones
- Servidor vLLM con API al estilo de OpenAI tras parchear el lanzador, Transformers con flash-attention 2, modos de prompt para análisis completo de maquetación, solo detección, OCR simple y OCR anclado a un cuadro.
- Datos y privacidad
- Autoalojado, así que los documentos se quedan en tu hardware. MIT permite cualquier uso; la carga ejecuta código Python del repositorio del modelo.
- Coste a escala
- Los pesos son gratuitos y ocupan unos 6 GB en BF16 para 3.040 millones de parámetros; el equipo no publica cifras de rendimiento y dice que el modelo aún no está optimizado para grandes volúmenes de PDF.
- Límites
- Funciona mejor por debajo de 11.289.600 píxeles por imagen; se recomienda renderizar a 200 DPI; los caracteres especiales repetidos pueden provocar una salida sin fin; las imágenes se omiten; sin actualizaciones de pesos desde el 31 de octubre de 2025.
Lo bueno
- Cuadros de maquetación, categorías y texto con un solo modelo
- Ventaja multilingüe declarada en un benchmark interno de 100 idiomas
- Licencia MIT
- 422.506 descargas en Hugging Face en los últimos 30 días
Lo malo
- Benchmarks propios; las evaluaciones externas lo sitúan por detrás de modelos más nuevos
- Sustituido por dots.mocr, del mismo equipo
- La configuración con vLLM requiere un parche con sed y trust_remote_code
- Puede entrar en bucle con puntos suspensivos y guiones bajos; no analiza imágenes
Ideal para
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.
Alternativas a dots.ocr
dots.ocr: preguntas frecuentes
- ¿Merece la pena dots.ocr?
- 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. Le damos un 3.6 sobre 5.
- ¿Cuánto cuesta dots.ocr?
- Gratuito con licencia MIT. Sin API alojada propia.
- ¿Qué inconvenientes tiene dots.ocr?
- Benchmarks propios; las evaluaciones externas lo sitúan por detrás de modelos más nuevos; sustituido por dots.mocr, del mismo equipo; la configuración con vLLM requiere un parche con sed y trust_remote_code; puede entrar en bucle con puntos suspensivos y guiones bajos; no analiza imágenes.
- ¿Para quién es dots.ocr?
- 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.
- ¿Cuánto cuesta dots.ocr para un equipo o en producción?
- Los pesos son gratuitos y ocupan unos 6 GB en BF16 para 3.040 millones de parámetros; el equipo no publica cifras de rendimiento y dice que el modelo aún no está optimizado para grandes volúmenes de PDF.
- ¿Es dots.ocr seguro para los datos de la empresa?
- Autoalojado, así que los documentos se quedan en tu hardware. MIT permite cualquier uso; la carga ejecuta código Python del repositorio del modelo.
- ¿Cuáles son las mejores alternativas a dots.ocr?
- Las alternativas más cercanas que hemos analizado son PaddleOCR-VL-1.6, DeepSeek-OCR 2, FireRed-OCR y Falcon OCR.
Respuestas comprobadas el 2 nov 2026.