¿Qué es LightOnOCR-3-4B?
LightOnOCR-3-4B es el mayor de los tres modelos de OCR que LightOn, una empresa de IA de París, publicó el 8 de octubre de 2026 con licencia Apache 2.0. Está construido sobre la arquitectura de visión y lenguaje Qwen3.5; LightOn lo llama 4B, y el checkpoint que cuenta Hugging Face tiene 4.540 millones de parámetros. La familia incluye también un 0.8B con la misma arquitectura y un 1B que mantiene el diseño anterior de LightOnOCR-2 como actualización directa.
Llamado con un prompt vacío, transcribe la página a Markdown como las versiones anteriores. Llamado con el prompt "grounding", etiqueta cada bloque con uno de 16 tipos y un cuadro delimitador, escribe una breve descripción de cada imagen y convierte los gráficos en una tabla HTML con sus puntos de datos, a cambio de alrededor de un 25% más de tokens de salida.
Sustituye a LightOnOCR-2-1B, publicado en enero de 2026, que sumó 779.954 descargas en Hugging Face en el último mes frente a 19.097 del 4B. Aquel modelo solo transcribía, funcionaba a 5,71 páginas por segundo en una H100 según LightOn y obtenía 0,0 en la categoría de anclaje visual de ParseBench.
¿Merece la pena LightOnOCR-3-4B?
LightOnOCR-3-4B es el modelo de OCR de extremo a extremo más completo de su categoría de tamaño, según los propios benchmarks de LightOn. Obtiene 75,1 en total en ParseBench, por delante de Infinity-Parser2-Pro con 74,3 con una novena parte de los parámetros, de Chandra 2 con 70,1 y de Mistral OCR 4.1 con 68,2, y 86,3 en olmOCR-Bench, 1,3 puntos por detrás de Infinity-Parser2-Pro y 0,5 por delante de Chandra 2. Todas las cifras son de pruebas de LightOn, tras unas funciones de normalización que publica junto con scripts para reproducir los resultados.
Los resultados con documentos en francés son lo más distintivo. En fr-bench-pdf2md obtiene 74,1 en total frente a 69,0 de Chandra 2 y 63,2 de Infinity-Parser2-Pro, con 46,1 en páginas manuscritas, donde Chandra 2 tiene 26,1 y Mistral OCR 4.1 tiene 11,5. Para archivos y administraciones europeas es una diferencia mayor que la que muestra cualquier benchmark en inglés.
No hay puntuación en OmniDocBench, así que no se puede comparar directamente con PaddleOCR-VL-1.6, OvisOCR2 o GLM-OCR en la tabla más habitual. Su categoría débil en olmOCR-Bench son los escaneos antiguos, con 52,5, donde Infinity-Parser2-Pro llega a 58,2, y su hermano de 0.8B se queda a medio punto de él en ParseBench con una quinta parte del tamaño. Solo admite dos prompts; LightOn dice que cualquier otra instrucción queda fuera de distribución.
La velocidad está medida con cuidado. En una H100 con vLLM sirve 3,36 páginas por segundo en el pico cuando las páginas se renderizan a 1.540 píxeles en el lado largo, un 66% más que con el ajuste de 400 DPI con el que logra sus mejores puntuaciones. Frente a Chandra-OCR-2, construido sobre la misma base Qwen3.5-4B, es un 19% más rápido con una sola página y sirve un 21% más de páginas por segundo, sobre todo porque escribe un 14% menos de tokens.
Nuestra opinión: LightOnOCR-3-4B es la contrapartida europea de los pequeños analizadores chinos, con una salida más amplia que la mayoría de ellos. La variante de 0.8B es la mejor opción por defecto cuando el rendimiento importa más que la escritura a mano, porque solo cede medio punto en ParseBench.
Dónde se gana su sitio
Un equipo de archivo en una administración local francesa que digitaliza expedientes manuscritos y mecanografiados
Convertir páginas mixtas manuscritas e impresas en texto con búsqueda en servidores propios
Sirve el 4B con vLLM en una H100 y envía las páginas renderizadas a 400 DPI. El 46,1 de LightOn en páginas manuscritas en francés queda muy por delante de los rivales que probó, y la licencia Apache 2.0 encaja con la contratación pública.
Un ingeniero de ML que construye un sistema RAG sobre informes corporativos
Dividir los documentos por secciones reales y mantener los valores de los gráficos en el buscador
Llama con el prompt grounding para que cada bloque vuelva etiquetado con un cuadro, e indexa las tablas de los gráficos como datos. Grounding añade alrededor de un 25% de tokens de salida, unos 1.433 en lugar de 1.158 por página.
Un equipo de plataforma que ya tiene LightOnOCR-2-1B en producción
Actualizar el OCR sin cambiar el código cliente
Cambia a LightOnOCR-3-1B, que mantiene la arquitectura antigua, o pasa al 4B con Transformers 5.2 o posterior; el modo de transcripción con prompt vacío se comporta como antes.
Antes de decidirte
- Puesta en marcha
- pip install transformers 5.5.4 o posterior con pillow y pypdfium2 y cárgalo con las clases de Qwen3.5, o sírvelo con vllm serve con el razonamiento desactivado; renderiza los PDF a 400 DPI con un lado largo de 2.048 píxeles.
- Integraciones
- Transformers y vLLM; el repositorio de GitHub de LightOn añade un cliente, una CLI, conversores de salida, un visor y código para reproducir los benchmarks; versiones GGUF de la comunidad en Hugging Face.
- Datos y privacidad
- Apache 2.0 para uso de investigación y comercial. Autoalojado, los documentos se quedan en tu hardware; la demo de Hugging Face es la única opción alojada que menciona la ficha.
- Coste a escala
- El checkpoint en BF16 ocupa unos 9 GB, así que basta una GPU de centro de datos para servirlo. LightOn comunica un pico de 3,36 páginas por segundo en una H100 con renderizado a 1.540 píxeles, unas 12.000 páginas por hora.
- Límites
- Solo los prompts vacío y grounding; entrenado y evaluado con el razonamiento desactivado; los escaneos antiguos son su categoría más débil en olmOCR-Bench; no se publican resultados en OmniDocBench.
Lo bueno
- 75,1 en ParseBench y 86,3 en olmOCR-Bench (cifras propias)
- Cuadros de maquetación, descripciones de imágenes y tablas de gráficos en una sola pasada
- 74,1 en documentos en francés, 46,1 en páginas manuscritas
- Apache 2.0 de un creador europeo, con scripts de reproducción
Lo malo
- Sin cifra de OmniDocBench para compararlo con los rivales chinos
- Todas las cifras de benchmark son de pruebas de LightOn
- Solo admite un prompt vacío o "grounding"
- Su hermano de 0.8B es casi igual de preciso en ParseBench
Ideal para
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.
Alternativas a LightOnOCR-3-4B
LightOnOCR-3-4B: preguntas frecuentes
- ¿Merece la pena LightOnOCR-3-4B?
- 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. Le damos un 4.2 sobre 5.
- ¿Cuánto cuesta LightOnOCR-3-4B?
- Gratuito con licencia Apache 2.0. La ficha del modelo no menciona ninguna API alojada propia; hay una demo gratuita en Hugging Face Spaces.
- ¿Qué inconvenientes tiene LightOnOCR-3-4B?
- Sin cifra de OmniDocBench para compararlo con los rivales chinos; todas las cifras de benchmark son de pruebas de LightOn; solo admite un prompt vacío o "grounding"; su hermano de 0.8B es casi igual de preciso en ParseBench.
- ¿Para quién es LightOnOCR-3-4B?
- 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.
- ¿Cuánto cuesta LightOnOCR-3-4B para un equipo o en producción?
- El checkpoint en BF16 ocupa unos 9 GB, así que basta una GPU de centro de datos para servirlo. LightOn comunica un pico de 3,36 páginas por segundo en una H100 con renderizado a 1.540 píxeles, unas 12.000 páginas por hora.
- ¿Es LightOnOCR-3-4B seguro para los datos de la empresa?
- Apache 2.0 para uso de investigación y comercial. Autoalojado, los documentos se quedan en tu hardware; la demo de Hugging Face es la única opción alojada que menciona la ficha.
- ¿Cuáles son las mejores alternativas a LightOnOCR-3-4B?
- Las alternativas más cercanas que hemos analizado son Chandra OCR 2, Infinity-Parser2-Flash, Mistral OCR 4.1 y Surya OCR 2.5.
Respuestas comprobadas el 2 nov 2026.
¿Desarrollas LightOnOCR-3-4B? Muestra esta nota en tu web
