Herramientas gratuitas de extracción de documentos comparadas para 2026: PDF con Markdown y JSON

OmniDoc extracción gratuita de documentos nuestra herramienta

Los encabezados, párrafos y listas mantienen la jerarquía del original; dos o tres columnas se unen en orden de lectura. Las tablas aparecen como tablas Markdown y como filas y columnas en el JSON; las imágenes se guardan en images/ con sus posiciones marcadas. Los escaneos pasan por reconocimiento de texto (OCR) y luego se organizan según su diseño. Solo tú puedes ver los archivos que subes y sus resultados.

Bueno para: Markdown y JSON sin configurar nada ni escribir código; preparar documentos para una base de conocimientos o RAG.

MinerU

Licenciado bajo la Licencia de Código Abierto MinerU (basada en Apache 2.0 con condiciones adicionales). El Precision Extract API necesita un token y acepta archivos de hasta 200 MB y 600 páginas; el Agente Ligero API no necesita inicio de sesión y acepta archivos de hasta 10 MB y 20 páginas, con límite de velocidad por IP.

Bueno para: desarrolladores con un GPU que desean autohospedarse o que agrupan documentos chinos a través de un API.

Fuente: MinerU — GitHub README, MinerU — API documentation (limits)

Docling

Su README enumera el diseño de página, el orden de lectura y la estructura de la tabla, OCR para archivos PDF e imágenes escaneados, y la ejecución local para datos confidenciales y entornos aislados. Las pesas de los modelos llevan sus propias licencias, que deben comprobarse por separado.

Bueno para: equipos que deben permanecer fuera de línea o dentro de su propia red y se sienten cómodos con Python.

Fuente: Docling — GitHub README

Marker (Datalab)

Los modelos utilizan una licencia OpenRAIL-M modificada, gratuita para investigación, uso personal y startups por debajo de 5 millones de dólares en financiación o ingresos; El uso comercial más allá de eso es remunerado. El API alojado tiene un precio por cada 1.000 páginas: 1 $ rápido, 3 $ equilibrado, 7,50 $ preciso; Solo se necesita una tarjeta después de la asignación gratuita.

Bueno para: desarrolladores que quieran ecuaciones LaTeX y tablas HTML y puedan trabajar con la licencia de pesos.

Fuente: Marker — GitHub README, Datalab — Pricing

LlamaParse (LlamaIndex)

La página de precios de LlamaIndex muestra un plan de pago por uso de 0 dólares con 10.000 créditos gratuitos al mes; Cada nivel de análisis utiliza un número diferente de créditos por página, desde 1 para el análisis básico. Encaja perfectamente en la pila LlamaIndex RAG.

Bueno para: desarrolladores que ya construyen RAG con LlamaIndex.

Fuente: LlamaIndex — Pricing

Mathpix

El precio de Mathpix incluye 10 páginas PDF y 10 imágenes por mes en el plan gratuito, duplicadas con un correo electrónico .edu; Pro cuesta $ 4,99 al mes por 1000 páginas PDF y 5000 imágenes. El reconocimiento de la fórmula es su punto fuerte; la asignación gratuita es pequeña.

Bueno para: alguna que otra página de fórmulas o una foto de un problema de matemáticas.

Fuente: Mathpix — Snip pricing

Azure AI Document Intelligence

La documentación de Microsoft dice que la capa gratuita analiza solo las dos primeras páginas de una solicitud, con archivos de hasta 4 MB y una solicitud por segundo; la página de precios enumera entre 0 y 500 páginas gratuitas por mes. Conviene probar cosas antes de desarrollar Azure.

Bueno para: equipos que ya están construyendo sobre Azure y que necesitan un API empresarial.

Fuente: Microsoft Learn — Document Intelligence quotas and limits, Azure — Document Intelligence pricing