Intensivo Gratis 21–22.11Intensivo gratuito de 2 días en Vibecoding (21–22 nov, 16:00 MSK) · Cohorte 3 inicia 23.11Registrarse gratis →Cohorte 3 (23.11)
LanzamientoAnálisis · En radarThe Decoder→ original

El OCR se ha abaratado cinco veces en 18 meses: un millón de páginas cuesta entre $65 y $130

Digitalizar un archivo de libros y documentos en papel cuesta ya muy poco. Daniel van Strien, de Hugging Face, comparó ocho modelos OCR abiertos sobre 850 páginas. El más antiguo, RolmOCR (abril de 2025), costaba 51 centavos por cada 1000 páginas. El más reciente, LightOnOCR-3-0.8B (octubre de 2026), cuesta menos de 10 centavos. Un millón de páginas sale por entre $65 y $130 de alquiler de GPU. Antes de contratar un servicio ya hecho, conviene calcular lo que costaría un despliegue propio.

Procesado por IA desde The Decoder; editado por Hamidun News
El OCR se ha abaratado cinco veces en 18 meses: un millón de páginas cuesta entre $65 y $130
Fuente: The Decoder. Collage: Hamidun News.
Escuchar artículo
Ficha técnica y cifras clave
ParámetroDatos
Fuente originalThe Decoder ↗
Editor jefe
Dato clave #1Ajustar el lanzamiento ahorró al menos tanto como cambiar de modelo
Dato clave #2La prueba se hizo en una sola RTX PRO 6000, alquilada a través de Hugging Face por $2,75 la hora
Dato clave #3Algunos modelos inventaban texto en páginas vacías y entraban en bucles de repetición

Si tiene un almacén de escaneos (contratos antiguos, fichas de archivo, libros digitalizados), la pregunta «cuánto cuesta convertirlo en texto» deja de ser retórica. La última comparativa de Daniel van Strien, de Hugging Face, muestra que en año y medio el reconocimiento de texto en imágenes se ha abaratado aproximadamente cinco veces. Hoy un millón de páginas cuesta entre $65 y $130 de alquiler de GPU. Ya no es el presupuesto de un proyecto, sino una partida de gasto del nivel de «una cena de equipo».

Cómo se hizo la prueba

Van Strien tomó ocho modelos OCR de acceso libre y los pasó por un mismo conjunto de 850 páginas. Incluía libros antiguos de historia natural, la Enciclopedia Británica de 1771 y documentos de archivo mecanografiados e impresos. Es decir, material en el que el reconocimiento tradicionalmente tropieza: impresión desvaída, tipografías inusuales y maquetación compleja.

Todos los modelos funcionaron en la misma tarjeta gráfica, una Nvidia RTX PRO 6000 que el autor alquiló a través de Hugging Face por $2,75 la hora. Esto es importante para que la comparación sea justa: el precio por página se calcula directamente a partir del tiempo de trabajo de la GPU, y no de las tarifas de distintas nubes.

El resultado es este. El modelo más antiguo de la comparativa, RolmOCR, de abril de 2025, costaba unos 51 centavos por cada 1000 páginas con el mismo tamaño de imagen. El más nuevo, LightOnOCR-3-0.8B, de octubre de 2026, cuesta algo menos de 10 centavos. Los cinco modelos intermedios apenas difieren entre sí en precio. Por un millón de páginas, la cifra va de $65 a $130, según la complejidad de los originales.

Además, el modelo nuevo leyó las páginas de libros al menos igual de bien que el antiguo. Es decir, el abaratamiento no se ha logrado a costa de la calidad, al menos en este conjunto de pruebas.

Dónde estuvo realmente el ahorro

La observación más práctica de la prueba: cambiar de modelo no es la única palanca. Según van Strien, la optimización del propio despliegue produjo un ahorro de tamaño parecido, y quizá mayor. El autor se refiere a cuatro cosas:

  • una alimentación más uniforme de páginas al modelo, para que la tarjeta gráfica no se quede parada;
  • escaneos de menor tamaño con los que el modelo aún lee el texto;
  • actualizar el software con el que se ejecuta el modelo;
  • una tarjeta gráfica más rápida.

Una analogía cotidiana: una imprenta con una buena impresora. Si el papel entra a tirones y las imágenes se escanean con una resolución que a nadie le hace falta, hasta la mejor impresora trabajará despacio y saldrá cara. Por eso, quien ya ejecuta OCR debería comprobar primero si su flujo de trabajo pasa la mitad del tiempo sin hacer nada, y solo después ir a la caza de un nuevo checkpoint.

Qué queda en el aire

El resultado tiene salvedades que conviene recordar. En primer lugar, las cifras están ligadas a un alquiler concreto de GPU a $2,75 la hora y a un conjunto concreto de documentos. Con sus albaranes, manuscritos o tablas de letra pequeña, el precio y la calidad pueden ser otros.

En segundo lugar, parte de los modelos de la prueba se comportó mal: «veían» texto en páginas vacías, es decir, lo inventaban, o repetían sin fin el mismo fragmento. Para un archivo es un error desagradable, porque parece texto normal y se cuela con facilidad en la base de datos. Si va a construir un buscador o un sistema RAG sobre documentos digitalizados, conviene detectar las páginas vacías y las repeticiones en bucle con una comprobación aparte.

En tercer lugar, se trata de la comparación de un solo autor, no de un benchmark independiente. Pero la dirección está clara: los modelos abiertos de reconocimiento se han vuelto lo bastante baratos como para ejecutarlos en hardware propio o en una GPU alquilada.

Qué hacer en la práctica

Los equipos de producto y los fundadores que pagan por página un OCR en la nube tienen un buen motivo para calcular la alternativa: tomar su propia muestra de unos cientos de páginas, pasar por ella dos o tres modelos abiertos y comparar precio y calidad. Los desarrolladores deberían empezar por ajustar el flujo de trabajo (tamaño de los escaneos, alimentación por lotes y versiones del software) antes de cambiar de modelo. Y, en cualquier caso, hace falta una comprobación de páginas vacías y repeticiones: con un coste inferior a $130 por millón de páginas, lo más caro no son los cálculos, sino los errores silenciosos en los datos.

Historia

Preguntas frecuentes sobre la noticia

Cómo se hizo la prueba?

Van Strien tomó ocho modelos OCR de acceso libre y los pasó por un mismo conjunto de 850 páginas. Incluía libros antiguos de historia natural, la Enciclopedia Británica de 1771 y documentos de archivo mecanografiados e impresos. Es decir, material en el que el reconocimiento tradicionalmente tropieza: impresión desvaída, tipografías inusuales y maquetación compleja. Todos los modelos funcionaron en la misma tarjeta gráfica, una Nvidia RTX PRO 6000 que el autor alquiló a través de Hugging Face por $2,75 la hora.

Dónde estuvo realmente el ahorro?

La observación más práctica de la prueba: cambiar de modelo no es la única palanca. Según van Strien, la optimización del propio despliegue produjo un ahorro de tamaño parecido, y quizá mayor. El autor se refiere a cuatro cosas: una alimentación más uniforme de páginas al modelo, para que la tarjeta gráfica no se quede parada; escaneos de menor tamaño con los que el modelo aún lee el texto; actualizar el software con el que se ejecuta el modelo; una tarjeta gráfica más rápida.

¿Qué se sabe sobre Qué queda en el aire?

El resultado tiene salvedades que conviene recordar. En primer lugar, las cifras están ligadas a un alquiler concreto de GPU a $2,75 la hora y a un conjunto concreto de documentos. Con sus albaranes, manuscritos o tablas de letra pequeña, el precio y la calidad pueden ser otros. En segundo lugar, parte de los modelos de la prueba se comportó mal: «veían» texto en páginas vacías, es decir, lo inventaban, o repetían sin fin el mismo fragmento.

ZK
Zhemal Khamidun — CPO de Alpina Digital, product manager de AlpinaGPT. Crea productos de IA desde 2019. Hamidun News es un proyecto personal que creció hasta ser un agregador en producción con más de 6.000 lectores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
¿Qué te parece?
Cargando comentarios…