Por Canuto  

Una comparación de ocho modelos de OCR encontró que el costo por cada 1.000 páginas bajó de unos USD $0,51 a USD $0,095 entre abril de 2025 y octubre de 2026. La prueba también advierte que abaratar la digitalización no elimina los errores: algunos sistemas inventaron texto en páginas vacías o repitieron contenido.
***

  • Daniel van Strien comparó ocho modelos en 850 páginas de libros antiguos, una enciclopedia de 1771 y documentos mecanografiados e impresos.
  • El modelo más reciente de la comparación, LightOnOCR-3-0.8B, redujo el costo a USD $0,095 por cada 1.000 páginas.
  • La ejecución uniforme, los escaneos más pequeños, el software actualizado y una GPU más rápida también ayudaron a reducir gastos.


Modelos de OCR abaratan cinco veces la digitalización de documentos en 18 meses

El costo por página cae con modelos recientes

Digitalizar documentos escaneados mediante reconocimiento óptico de caracteres, conocido como OCR, cuesta hoy mucho menos en la comparación de modelos difundida por The Decoder. El análisis de Daniel van Strien, de Hugging Face, calculó que procesar 1.000 páginas costaba alrededor de USD $0,51 con RolmOCR, un modelo de abril de 2025, frente a USD $0,095 con LightOnOCR-3-0.8B, lanzado en octubre de 2026.

La diferencia equivale a una reducción de más de cinco veces en el costo por cada 1.000 páginas dentro de esa prueba, aunque el resultado depende del material de origen. Van Strien estimó que digitalizar un millón de páginas puede costar entre USD $65 y USD $130 en alquiler de GPU, una horquilla que impide tratar el precio menor como una tarifa única para cualquier colección.

El cálculo se refiere al alquiler de capacidad de procesamiento gráfico y no a un precio universal de digitalización. La cifra permite dimensionar el costo computacional de la tarea bajo las condiciones del ensayo, pero no incorpora una evaluación de otros gastos ni afirma que todas las organizaciones obtendrán el mismo resultado.

El avance importa porque el OCR convierte imágenes de texto en contenido que puede leerse y procesarse como texto digital. Cuando el precio de ejecución baja, una colección extensa puede requerir menos gasto de GPU para su procesamiento, pero el ahorro no resuelve por sí mismo la calidad de los datos ni garantiza que cada página quede transcrita correctamente.

Una prueba con libros y documentos de archivo

Van Strien evaluó ocho modelos de OCR con 850 páginas que reunían materiales de distinta naturaleza. La muestra incluyó libros antiguos de historia natural, páginas de la Encyclopaedia Britannica de 1771 y documentos de archivo tanto mecanografiados como impresos. Según su publicación, comparar los ocho modelos en esas páginas costó alrededor de USD $6 en tiempo de GPU.

Todos los sistemas se ejecutaron en la misma tarjeta gráfica, una Nvidia RTX PRO 6000 alquilada a través de Hugging Face por USD $2,75 la hora. Mantener el mismo equipo permitió comparar los modelos en un marco común, en lugar de atribuir sus diferencias de costo a tarjetas gráficas distintas.

La comparación también mantuvo el mismo tamaño de imagen al contrastar el modelo más antiguo y el más reciente. Bajo esas condiciones, LightOnOCR-3-0.8B leyó las páginas de libros con una precisión al menos igual a la de RolmOCR, según los resultados descritos por van Strien.

Ese resultado debe leerse con el alcance específico de la prueba: la fuente habla de páginas de libros y de una muestra con varios tipos documentales, no de una garantía de precisión para cualquier archivo. Los materiales antiguos, impresos o mecanografiados estuvieron representados en el conjunto, pero el reporte no ofrece una cifra única de exactitud aplicable a todos ellos.

La ejecución también influye en el precio

El descenso de costos no dependió únicamente de sustituir modelos antiguos por otros nuevos. Van Strien señaló que optimizar la forma de ejecutar el procesamiento permitió ahorrar tanto como cambiar a modelos recientes, o incluso más, de modo que la eficiencia operativa aparece como una parte central de la comparación.

Entre los ajustes mencionados figuran alimentar las páginas de manera más uniforme, utilizar escaneos más pequeños, actualizar el software y ejecutar una GPU más rápida. Son cambios en el modo de trabajo y en el entorno de procesamiento, no una alteración de las páginas originales, y pueden incidir en el total pagado por el alquiler del equipo.

La observación matiza la idea de que basta con escoger el modelo más nuevo para obtener el costo más bajo. La prueba destaca que la preparación de las imágenes y la configuración de la ejecución también cuentan, aunque no desglosa cuánto ahorro aportó cada ajuste ni entrega una fórmula que pueda aplicarse a cualquier colección documental.

Para quien compare opciones, las cifras de USD $0,51 y USD $0,095 por cada 1.000 páginas funcionan como referencias ligadas a los modelos y condiciones descritos. El propio rango de USD $65 a USD $130 por millón de páginas muestra que el costo final varía según el material de origen y que el precio debe evaluarse junto con el resultado de lectura.

Menos gasto no significa ausencia de errores

El menor precio no elimina las fallas que pueden afectar el texto extraído. Algunos de los modelos probados generaron texto en páginas en blanco o repitieron el mismo contenido una y otra vez, comportamientos que pueden producir resultados incorrectos incluso cuando la ejecución cuesta poco.

Estos errores son relevantes porque una página vacía no debería convertirse en texto inventado, y una repetición puede confundirse con contenido real durante una revisión posterior. La fuente no cuantifica cuántas páginas presentaron esos problemas ni identifica en el material proporcionado qué modelos específicos los produjeron.

Por eso, la comparación contrapone dos aspectos distintos: el gasto necesario para procesar documentos y la confiabilidad de la lectura generada. Van Strien reportó que el modelo más reciente mantuvo al menos la precisión del más antiguo al leer páginas de libros, pero también describió errores presentes en algunos modelos, sin afirmar que el desempeño sea impecable.

La reducción de costos abre la posibilidad de procesar grandes volúmenes con menos gasto de GPU, pero la selección del sistema aún requiere considerar el tipo de documento y revisar la salida. El hallazgo central no es que el OCR haya dejado de equivocarse, sino que una tarea que antes tenía un costo mayor puede ejecutarse más barato si se combinan modelos recientes y una configuración eficiente.


Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín