¿Qué es Falcon OCR?
Falcon OCR es un modelo abierto de OCR de documentos del Technology Innovation Institute de Abu Dabi, publicado con licencia Apache 2.0 y descrito en el informe técnico de Falcon Perception del 28 de marzo de 2026. Convierte la imagen de una página en texto plano, LaTeX para las fórmulas o HTML para las tablas. La versión 1.5, subida el 11 de septiembre de 2026, se volvió a entrenar con escaneos históricos, escritura a mano, recibos y tablas difíciles, y añadió una fase de aprendizaje por refuerzo dirigida al texto inventado y a las repeticiones descontroladas.
El diseño es poco habitual. La mayoría de los modelos de OCR combinan un codificador visual con un decodificador de texto aparte; Falcon OCR introduce los parches de imagen y los tokens de texto en un único Transformer de 22 capas desde la primera capa, con atención bidireccional para los tokens de imagen y el texto decodificado de izquierda a derecha. La API de Hugging Face cuenta 270 millones de parámetros. Un modo opcional ejecuta antes el detector PP-DocLayoutV3 de Baidu, que añade unos 30 millones más.
¿Merece la pena Falcon OCR?
El argumento de Falcon OCR es tamaño frente a precisión, y con las cifras de TII el intercambio sale bien. La versión 1.5 obtiene 82,4 en olmOCR-bench de extremo a extremo, frente a 78,7 de PaddleOCR-VL-1.6 y 73,3 de DeepSeek-OCR 2, y solo 1,4 puntos por detrás de Chandra OCR 2 con 83,8. La tabla comparativa es de TII, la ficha no dice si las puntuaciones de los rivales se volvieron a medir o se copiaron, y la media deja fuera la categoría de encabezados y pies de página de olmOCR, así que no se puede poner al lado de medias de olmOCR comunicadas oficialmente como el 76,0 de Marker.
Las tablas son el punto débil. En OmniDocBench, el modo de extremo a extremo llega a 86,47 en total, pero la estructura de tablas obtiene 69,51 de TEDS frente a 90,24 de PaddleOCR-VL-1.6 en la misma tabla. Activar la canalización con maquetación sube la puntuación total a 93,15 y la de tablas a 88,53, a costa de un segundo modelo, mientras que su media en olmOCR baja a 80,6. La ficha recomienda el modo de extremo a extremo para la mayoría de las páginas y la canalización solo para periódicos densos, lo que deja a los documentos con muchas tablas en un incómodo término medio.
Las cifras operativas son las más concretas de todos los modelos de este grupo. En una A100-80GB con vLLM, la canalización completa de maquetación y OCR procesa 2,9 imágenes por segundo a 5.825 tokens por segundo, y los pesos son un único archivo de 1,08 GB almacenado en float32. TII ofrece una imagen de Docker con un endpoint compatible con OpenAI y una ruta para subir PDF, y documenta cómo ejecutar ambos servicios en una sola GPU.
Los costes son los habituales de una arquitectura propia. La carga necesita trust_remote_code y PyTorch 2.5 o posterior para FlexAttention, y la primera llamada es lenta mientras torch.compile construye los kernels. La ficha cita los escaneos degradados y el texto muy pequeño como problemas abiertos; los escaneos antiguos obtienen 41,8 en olmOCR, por delante de la mayoría de los rivales pero aun así su categoría más débil.
Dónde se gana su sitio
Un ingeniero de plataforma en una startup de gestión de gastos
Leer recibos y facturas fotografiadas en gran volumen con poco presupuesto de GPU
Ejecuta la imagen de Docker de vLLM con skip_layout en true y envía las imágenes a la ruta de subida. El modelo de 270M deja espacio en una sola tarjeta para mucha concurrencia; la cifra de la ficha en una A100 es de 2,9 imágenes por segundo con la maquetación activada.
Una archivera que digitaliza cartas manuscritas y registros históricos
Transcribir una mezcla de escritura a mano e impresión desvaída sin un servicio en la nube
La versión 1.5 se volvió a entrenar con escritura a mano y escaneos históricos, y los pesos funcionan en la GPU de una estación de trabajo. Revisa por muestreo las páginas más tenues, que la ficha cita como un punto débil pendiente.
Un ingeniero de datos que analiza números atrasados de periódicos para un buscador
Mantener el orden de lectura en páginas densas de varias columnas
Llama a generate_with_layout para que PP-DocLayoutV3 encuentre las regiones antes de que Falcon OCR lea cada recorte. Dale al modelo de maquetación su propia GPU para obtener el mejor rendimiento, como sugiere la guía de Docker.
Antes de decidirte
- Puesta en marcha
- pip install torch>=2.5, transformers, pillow y einops, y después carga tiiuae/Falcon-OCR con trust_remote_code; o docker run ghcr.io/tiiuae/falcon-ocr:latest, que expone vLLM en el puerto 8000 y la canalización de análisis en el 5002.
- Integraciones
- generate() en Python con 11 categorías de salida, una canalización de maquetación opcional, un endpoint de vLLM compatible con OpenAI y una ruta de subida multipart que acepta imágenes y PDF de varias páginas.
- Datos y privacidad
- Autoalojado, así que los documentos se quedan en tu hardware. Apache 2.0 permite el uso comercial; la carga ejecuta código Python del repositorio del modelo.
- Coste a escala
- Los pesos son gratuitos; TII comunica 2,9 imágenes y 5.825 tokens por segundo en una A100-80GB con la canalización completa, así que a ese ritmo una tarjeta cubre unas 250.000 imágenes al día. No hay precio alojado.
- Límites
- Estructura de tablas débil de extremo a extremo; longitud máxima del modelo de 16.384 tokens; la ficha señala los escaneos degradados y los glifos muy pequeños; la tabla comparativa es de TII.
Lo bueno
- 270M de parámetros, un único archivo de pesos de 1,08 GB
- 82,4 en olmOCR-bench de extremo a extremo, según TII
- 2,9 imágenes por segundo en una A100 con maquetación
- Apache 2.0, con una imagen de Docker oficial de vLLM
Lo malo
- La tabla comparativa es de TII, y la media de olmOCR omite encabezados y pies de página
- TEDS de tablas de 69,51 en modo de extremo a extremo
- Necesita trust_remote_code y PyTorch 2.5+
- Los escaneos degradados y el texto diminuto siguen siendo débiles
Ideal para
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.
Alternativas a Falcon OCR
Falcon OCR: preguntas frecuentes
- ¿Merece la pena Falcon OCR?
- 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. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta Falcon OCR?
- Gratuito con licencia Apache 2.0. Sin API alojada; TII publica una imagen de Docker de vLLM para autoalojar.
- ¿Qué inconvenientes tiene Falcon OCR?
- La tabla comparativa es de TII, y la media de olmOCR omite encabezados y pies de página; tEDS de tablas de 69,51 en modo de extremo a extremo; necesita trust_remote_code y PyTorch 2.5+; los escaneos degradados y el texto diminuto siguen siendo débiles.
- ¿Para quién es Falcon OCR?
- 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.
- ¿Cuánto cuesta Falcon OCR para un equipo o en producción?
- Los pesos son gratuitos; TII comunica 2,9 imágenes y 5.825 tokens por segundo en una A100-80GB con la canalización completa, así que a ese ritmo una tarjeta cubre unas 250.000 imágenes al día. No hay precio alojado.
- ¿Es Falcon OCR seguro para los datos de la empresa?
- Autoalojado, así que los documentos se quedan en tu hardware. Apache 2.0 permite el uso comercial; la carga ejecuta código Python del repositorio del modelo.
- ¿Cuáles son las mejores alternativas a Falcon OCR?
- Las alternativas más cercanas que hemos analizado son PaddleOCR-VL-1.6, Surya OCR 2.5, DeepSeek-OCR 2, FireRed-OCR y dots.ocr.
Respuestas comprobadas el 2 nov 2026.
¿Desarrollas Falcon OCR? Muestra esta nota en tu web
