Qu’est-ce que Xberg (formerly Kreuzberg) ?
Xberg est le Kreuzberg renommé. Le projet a redémarré ses numéros de version à v1 sous le nouveau nom, l'ancien dépôt kreuzberg-dev/kreuzberg redirige désormais vers xberg-io/xberg, et un dépôt kreuzberg-lts séparé garde la ligne v4 en support à long terme. La plupart des projets en aval déclarent encore la dépendance comme kreuzberg, selon le README.
C'est un cœur Rust qui lit 107 formats de documents sur 141 extensions de fichiers (PDF, Office, e-mail dont PST, livres électroniques, LaTeX et Typst, archives, images) et renvoie du texte simple, du Markdown, du Djot, du HTML, un arbre JSON ou des DocTags compatibles Docling. L'OCR est enfichable : la documentation liste huit backends, avec Tesseract par défaut, PaddleOCR via ONNX Runtime, un moteur CPU appelé Sceptre, des portages Candle de GLM-OCR, TrOCR, DeepSeek-OCR et PaddleOCR-VL, et des modèles de vision hébergés via son propre client liter-llm. Des modèles ML de disposition et de tableaux, la transcription Whisper, l'analyse de code tree-sitter pour 371 langages, le découpage, les embeddings et l'extraction structurée pilotée par LLM se posent dessus.
Les bindings couvrent Python, Node.js, Go, Java, C#, Ruby, PHP, Elixir, Dart, Swift, Kotlin, Zig, WebAssembly et C. Le dépôt a environ 9 400 étoiles, une licence MIT et 98 versions GitHub ; v1.3.10 est sortie le 13 octobre 2026. L'entreprise derrière, Kreuzberg, Inc., vend une composition managée des mêmes bibliothèques via un programme de design-partners sur invitation.
Xberg (formerly Kreuzberg) vaut-il le coup ?
Xberg est le choix le plus solide quand le problème est l'ampleur : un seul moteur Rust qui ouvre une boîte PST, un fichier HWP coréen, une archive 7z imbriquée et un PDF scanné, appelable depuis 15 langages. Docling et Marker sont des bibliothèques Python ; Xberg livre des paquets natifs pour Go, Java, C#, PHP, Elixir et le reste, ce qui compte pour les équipes qui ne font pas tourner Python en production.
L'OCR est un choix de backend plutôt qu'un modèle fixe. Tesseract est le défaut et a besoin d'un paquet système plus des données de langue ; PaddleOCR tourne via ONNX Runtime ; les quatre backends Candle (GLM-OCR, TrOCR, DeepSeek-OCR, PaddleOCR-VL) sont compilés dans les paquets publiés mais téléchargent entre environ 250 Mo et 4 Go de poids à la première utilisation, selon le guide OCR. Les chaînes de repli laissent un moteur bon marché essayer d'abord et un modèle de vision prendre les pages qu'il échoue.
Les affirmations de performance sont celles du fournisseur. Sa page de benchmark compare Xberg à Docling, Unstructured, Tika, MarkItDown, PyMuPDF4LLM, LiteParse et MinerU sur 60 documents et 821 extractions de son propre harnais ouvert, et qualifie Xberg de plus rapide et précis. Le corpus est petit et les mainteneurs l'ont choisi ; traitez le tableau comme une raison de faire tourner vos propres documents, pas comme un verdict.
Le bilan de sécurité a besoin d'être lu avant d'exposer le serveur. Un avis de forte sévérité publié le 6 octobre 2026 a montré que POST /extract, qui n'a pas d'authentification, laissait un appelant désactiver le blocage des adresses privées du crawler et lire des URL internes ; les versions jusqu'à 1.3.3 sont affectées. La documentation de l'API met aussi CORS par défaut sur toute origine et accepte des corps de requête de 100 Mo, si bien que le serveur REST a sa place derrière votre propre passerelle. Le renommage ajoute du turnover : les noms de paquets, les imports et les URL de documentation ont tous changé entre v4 et v1.
Là où il fait la différence
Un ingénieur backend dans une start-up d'e-discovery basée sur Go
Tirer le texte et les pièces jointes des boîtes PST, fichiers Office et PDF scannés dans un seul service
Importez le paquet Go et appelez extract sur chaque téléversement, avec Tesseract pour les scans et un backend Candle pour les pages où Tesseract a une faible confiance. Pas de sidecar Python à exploiter ; le coût est le temps CPU et un serveur patché et derrière un pare-feu.
Une équipe plateforme dans un cabinet de conseil de 300 personnes qui construit du RAG interne
Ingérer les exports SharePoint et les dossiers clients archivés sans écrire un convertisseur par format
Faites tourner l'image Docker en mode API derrière un proxy authentifiant, pointez le travail d'ingestion dessus et gardez le Markdown plus la sortie en morceaux. La bibliothèque est gratuite ; le travail est d'épingler une version postérieure à 1.3.3 et de régler CORS et les limites de corps.
Un développeur qui utilise Claude Code ou Cursor sur une base de code lourde en documents
Laisser l'agent lire les PDF, feuilles de calcul et présentations du dépôt
Installez le CLI et enregistrez xberg mcp via stdio ; le serveur expose neuf outils, dont extract et extract_batch. Local et gratuit, même si un backend de vision configuré avec un modèle hébergé envoie les images de page à ce fournisseur.
Avant de vous engager
- Mise en route
- pip install xberg, npm install @xberg-io/xberg, cargo add xberg, brew install xberg-io/tap/xberg ou docker pull ghcr.io/xberg-io/xberg ; Tesseract a besoin d'un paquet système séparé, et les poids Candle OCR se téléchargent à la première utilisation.
- Intégrations
- Bindings pour 15 langages, un CLI à 14 commandes, un serveur REST avec un schéma OpenAPI 3.1, un serveur MCP avec neuf outils via stdio ou HTTP, un chart Helm, des plugins d'agent, et une dépendance des intégrations du cœur de Haystack, surtout sous le nom Kreuzberg.
- Données et confidentialité
- Tourne localement sur CPU par défaut ; les embeddings hébergés, l'extraction LLM et l'OCR VLM envoient le contenu au fournisseur que vous configurez. Licence MIT. Un avis de forte sévérité publié (SSRF non authentifié dans POST /extract, versions jusqu'à 1.3.3).
- Coût à grande échelle
- La bibliothèque est gratuite et CPU-first, si bien que la facture est les instances de workers plus les éventuels tokens de modèle hébergé pour l'OCR VLM ou l'extraction structurée. La tarification Pro et Enterprise managée n'est divulguée qu'aux design-partners acceptés.
- Limites
- Pas d'authentification intégrée sur le serveur d'API et CORS ouvert par défaut ; limite de requête par défaut de 100 Mo ; environ 33 issues et pull requests ouvertes ; les fonctions optionnelles lourdes (modèles de disposition, transcription, crawling d'URL) sont des flags de fonction Cargo dans les builds depuis les sources.
Les points forts
- 107 formats, dont PST, HWP, Typst et archives imbriquées
- Bindings natifs pour 15 langages, plus CLI, REST et MCP
- Huit backends OCR échangeables avec chaînes de repli
- Licence MIT et 98 versions GitHub
Les points faibles
- API REST non authentifiée ; un SSRF de forte sévérité corrigé après 1.3.3
- Les benchmarks sont ceux du fournisseur, sur un corpus de 60 documents
- Renommé depuis Kreuzberg avec une nouvelle ligne de version v1
- Les backends OCR de vision tirent jusqu'à environ 4 Go de poids
Idéal pour
Les équipes hors de Python qui ont besoin d'un seul parseur intégrable pour un large mélange de types de fichiers, avec un OCR qu'elles peuvent échanger.
Alternatives à Xberg (formerly Kreuzberg)
Xberg (formerly Kreuzberg) : questions fréquentes
- Xberg (formerly Kreuzberg) vaut-il le coup ?
- Xberg ouvre presque n'importe quel fichier depuis presque n'importe quel langage dans lequel vous écrivez, et cette portée vient avec une grande surface à sécuriser. Nous lui donnons 4.1 sur 5.
- Combien coûte Xberg (formerly Kreuzberg) ?
- Gratuit sous la licence MIT. Xberg Pro et Enterprise (backends managés ou auto-hébergés) sont vendus via un programme de design-partners ; les prix ne sont divulgués que sur candidature.
- Quels sont les inconvénients de Xberg (formerly Kreuzberg) ?
- API REST non authentifiée ; un SSRF de forte sévérité corrigé après 1.3.3; les benchmarks sont ceux du fournisseur, sur un corpus de 60 documents; renommé depuis Kreuzberg avec une nouvelle ligne de version v1; les backends OCR de vision tirent jusqu'à environ 4 Go de poids.
- À qui s’adresse Xberg (formerly Kreuzberg) ?
- Les équipes hors de Python qui ont besoin d'un seul parseur intégrable pour un large mélange de types de fichiers, avec un OCR qu'elles peuvent échanger.
- Combien coûte Xberg (formerly Kreuzberg) pour une équipe ou en production ?
- La bibliothèque est gratuite et CPU-first, si bien que la facture est les instances de workers plus les éventuels tokens de modèle hébergé pour l'OCR VLM ou l'extraction structurée. La tarification Pro et Enterprise managée n'est divulguée qu'aux design-partners acceptés.
- Xberg (formerly Kreuzberg) est-il sûr pour les données de l’entreprise ?
- Tourne localement sur CPU par défaut ; les embeddings hébergés, l'extraction LLM et l'OCR VLM envoient le contenu au fournisseur que vous configurez. Licence MIT. Un avis de forte sévérité publié (SSRF non authentifié dans POST /extract, versions jusqu'à 1.3.3).
- Quelles sont les meilleures alternatives à Xberg (formerly Kreuzberg) ?
- Les alternatives les plus proches que nous avons testées sont Docling, Unstructured, MarkItDown et Marker.
Réponses vérifiées le 26 oct. 2026.