Costo OCR por 1,000 Páginas
8 Motores de Código Abierto, con Benchmark (2026)

Última revisión: 2026-08-18 · Nivel de ejecución: oficial · Benchmark propio · 8 motores × 2 conjuntos de datos de recibos

Declaración de alcance: todas las cifras en dólares en esta página corresponden a un nivel de GPU (RTX 4090) a un precio registrado en un momento dado (agosto de 2026, $0.76/hr, registrado en los manifiestos de ejecución como price_recorded_at_utc 2026-08-13T08:00:00Z). Recalcule a las tarifas actuales antes de presupuestar. Solo conjuntos de datos de recibos (SROIE 2019, CORD v2). Costo = tiempo de ejecución real × la tarifa por hora, incluyendo la inicialización del modelo.

En la misma GPU, los mismos recibos y la misma base de facturación de $0.76/hr, el costo OCR por 1,000 páginas entre los 8 motores de código abierto varía en un factor de 22.2× — desde $0.0479 (docTR) hasta $1.0609 (Surya2) en SROIE 2019. La elección del motor por sí sola varía el costo del OCR de código abierto en más de un orden de magnitud, y el ranking sigue el tiempo real, no la precisión: el motor más barato (docTR) tiene la segunda mejor tasa de error de caracteres, mientras que el más caro (Surya2) tiene la mejor.

Los dos números que los redactores más necesitan: $0.048 por 1,000 páginas para el motor más barato medido (docTR, 449.3 páginas/min) frente a $1.061 por 1,000 páginas para el más caro (Surya2, 12.1 páginas/min) — mismo conjunto de prueba, mismo nivel de GPU, mismo registro de precio. Tesseract es solo CPU: no consume horas de GPU facturadas y su celda de costo está vacía en el CSV fuente por diseño — no es cero, ni es gratuito.

Fuente: summary_metrics.csv — columna cost_per_1000_pages, filas cord_v2. EasyOCR 0.0863, docTR 0.0939, Unlimited-OCR 0.2063, PaddleOCR-VL 0.2409, PaddleOCR 0.3419, Docling 0.5382, Surya2 1.1616. Tesseract solo CPU (celda vacía). Mismo RTX 4090 @ $0.76/hr (precio con marca de tiempo), costo incl. inicialización del modelo.

Tabla: summary_metrics.csv — cost_per_1000_pages, filas cord_v2 (100 muestras cada una). CORD se mantiene separado del ranking SROIE (diferente idioma, diferente estructura de ground-truth); el punto de la comparación es que el costo por 1.000 páginas varía con el conjunto de documentos, no que un ranking "gane".

Escenarios de Volumen Mensual (Estimaciones Derivadas)

Las cifras por 1.000 páginas se multiplican directamente en los cálculos de volumen que necesitan los redactores de presupuestos. Con 100.000 páginas/mes en la base de costos SROIE, el tiempo de GPU de docTR es de $4.79/mes y el de Surya2 es de $106.09/mes — una diferencia de aproximadamente $101/mes que se amplía a unos $1.013/mes con 1 millón de páginas. Estas son extensiones aritméticas de las cifras medidas por 1.000 páginas, no ejecuciones adicionales.

Tabla: Estimaciones derivadas en la base de costos SROIE 2019 — no son ejecuciones medidas. Cada celda es una simple multiplicación del cost_per_1000_pages medido (docTR 0.0479, Surya2 1.0609; summary_metrics.csv filas sroie_2019) por el volumen en miles, a la misma tarifa de $0.76/hr para RTX 4090, precio con marca de tiempo de agosto de 2026. Solo tiempo de GPU — sin CPU, almacenamiento, transferencia de datos, orquestación o postprocesamiento con LLM. Con 10 millones de páginas/mes, solo Surya2 alcanza aproximadamente $10.609/mes en esta base (10.000 × $1.0609).

Perfil de Costo Real de Tesseract: Sin Factura de GPU, Pero No es Gratis

Tesseract es el único motor exclusivo de CPU en el benchmark, y su celda de costo está vacía por diseño — no consumió horas de GPU facturadas, por lo que no hay nada que cobrar a $0.76/hr. Eso no es lo mismo que no costar nada: la infraestructura de CPU en la que se ejecuta (tu propio hardware o una instancia de CPU alquilada) es un costo real que este benchmark no cuantifica, y su techo de recuperación de campos puede empujar el gasto hacia adelante.

En SROIE, Tesseract aún mantuvo 78.6 páginas/min en CPU — más alto que cuatro de los siete motores GPU (PaddleOCR-VL 68.2, Docling 56.7, Unlimited-OCR 34.4, Surya2 12.1). A bajo volumen en infraestructura de CPU ya provisionada, eso lo hace genuinamente rentable: sin alquiler de GPU. La trampa aparece cuando los campos, no solo el texto, son el resultado: la base de texto débil de Tesseract limita lo que un LLM posterior puede recuperar — su F1 de campos LLM en CORD es 0.163 con un CER de CORD de 0.9523 (field_method_comparison.csv, fila tesseract/cord_v2) — por lo que los ahorros de GPU pueden compensarse con gastos de postprocesamiento y corrección en otro lugar. El compromiso CPU-vs-GPU es el tema del enfrentamiento dedicado Tesseract vs PaddleOCR; el techo del postprocesador se cubre en Regex vs Extracción de Campos con LLM.

Costo del Pipeline ≠ Costo del Motor: El Límite del Postprocesador LLM

Cada número en esta página es la factura de GPU del motor OCR y nada más. Los pipelines de extracción en producción comúnmente añaden un paso de extracción de campos con LLM sobre el texto OCR — el benchmark ejecutó uno (deepseek-v4-flash) en las 16 ejecuciones — y ese paso es un costo de API separado por token que no aparece en ninguna cifra de motor aquí.

El CSV de comparación registra los conteos de tokens para el paso de postprocesamiento en SROIE — por ejemplo, el texto OCR de docTR costó 151,131 tokens de prompt + 25,377 tokens de completado para extraer los cuatro campos del recibo — y esos conteos de tokens son la base para estimar el gasto adicional. Esta página deliberadamente no convierte tokens a dólares: los precios de LLM varían por proveedor, plan y modelo, y cualquier cifra en dólares quedaría obsoleta de inmediato. El costo del motor y el costo del pipeline son dos líneas en el presupuesto; la línea del LLM es una función de tu diseño de prompt y proveedor, no del motor OCR.

Tabla: field_method_comparison.csv — llm_prompt_tokens / llm_completion_tokens, filas sroie_2019; llm_model = deepseek-v4-flash. Los recuentos de tokens cubren un pase de extracción de campos (cuatro campos de recibo) sobre la división de prueba SROIE de 361 páginas. Estos son la base para estimar el gasto de posprocesamiento LLM; no se proporciona conversión a dólares porque los precios de LLM varían según el proveedor y el plan.

Cómo estimar su propio costo

No necesita volver a ejecutar un benchmark de 8 motores para obtener una estimación de costo defendible para su propia carga de trabajo. El método del benchmark — tiempo real × su tarifa por hora — se reproduce en cuatro pasos y un ejemplo práctico.

Este es un método aproximado derivado de la propia base de costos del benchmark (tiempo real × tarifa, incl. inicialización del modelo); no es asesoramiento financiero y sus números exactos varían según el hardware, la mezcla de documentos, los tamaños de lote y la utilización. La tarifa de $0.76/hr es un precio bajo demanda con marca de tiempo de agosto de 2026 — recalcule con las tarifas actuales.

Preguntas Frecuentes

¿Cuánto cuesta el OCR por 1.000 páginas?

Entre $0.048 (docTR) y $1.061 (Surya2) por 1.000 páginas en SROIE 2019, medido en una RTX 4090 a $0.76/hr con el precio registrado en agosto de 2026 (summary_metrics.csv cost_per_1000_pages, filas sroie_2019). El costo incluye la inicialización del modelo, por lo que el costo por página disminuye a medida que aumenta el tamaño del lote. En CORD v2, los mismos motores van desde $0.086 (EasyOCR) hasta $1.162 (Surya2).

¿Qué motor OCR de código abierto es el más barato de ejecutar?

docTR fue el motor GPU más barato medido, con $0.0479 por 1.000 páginas en SROIE (449.3 páginas/min, fila doctr/sroie_2019 de summary_metrics.csv) — y la advertencia sobre la dependencia del conjunto de datos es importante: en CORD v2, EasyOCR ($0.0863) superó ligeramente a docTR ($0.0939). La respuesta a "más barato" depende de su conjunto de documentos; los puntos de referencia (docTR cerca del mínimo, Surya2 alto) se mantuvieron en ambos.

¿Por qué el motor más rápido también es el más barato?

Porque la factura se basa en las horas de reloj a $0.76/hr: el motor que termina una página en 109 ms (docTR) paga ~1/25 de las horas que paga un motor de 2.668 ms (Surya2) por página (summary_metrics.csv latency_p50_ms / cost_per_1000_pages, filas sroie_2019). Con la facturación por uso de GPU, el rendimiento es costo — por lo que la clasificación de costos y la de rendimiento son casi imágenes especulares.

¿Es Tesseract OCR gratuito?

No — Tesseract es solo CPU, por lo que no consume horas de GPU facturadas y su celda de costo está vacía en el CSV de referencia por diseño, pero eso no es un cero: la infraestructura de CPU en la que se ejecuta es un costo real, y su techo de recuperación de campos (CORD LLM field F1 0.163, fila tesseract/cord_v2 de field_method_comparison.csv) puede aumentar el gasto en el postprocesamiento posterior. A bajo volumen en hardware CPU ya provisionado, puede ser realmente rentable — 78.6 páginas/min en SROIE, más rápido que cuatro de los siete motores GPU — pero "sin factura de GPU" y "gratuito" son afirmaciones diferentes.

¿Por qué Surya2 es tan costoso por cada 1.000 páginas?

Porque es el motor más lento del benchmark: 12,1 páginas/min en SROIE significa las más horas de tiempo de ejecución por 1.000 páginas a la misma tarifa de $0,76/hora (resumen_metrics.csv pages_per_minute / cost_per_1000_pages, fila surya2/sroie_2019). Cabe destacar que también tiene la mejor precisión de caracteres (CER 0,1915) — el ejemplo más claro del benchmark de que el costo sigue al tiempo, no a la precisión.

¿Disminuye el costo de OCR por página a medida que aumenta el volumen?

Sí, hasta un límite. El costo aquí incluye la inicialización del modelo, que se paga una vez por proceso/lote; la ejecución de docTR del benchmark pagó la inicialización dentro de 81.867 ms para 361 páginas (rendimiento.manifest.run_wall_time_ms), por lo que a 1 millón de páginas esa inicialización se diluye casi a cero y el costo se acerca al rendimiento en estado estable puro. El límite es el costo en estado estable en sí — los $0,0479/1K de docTR en SROIE ya están cerca de su límite; los $1,0609 de Surya2 reflejan una inferencia en estado estable genuinamente lenta, no solo la sobrecarga de inicialización.

¿Qué no está incluido en estas cifras por cada 1.000 páginas?

El postprocesamiento con LLM (un costo por token de API separado; recuentos de tokens en field_method_comparison.csv), la infraestructura/CPU para pilas estilo Tesseract, almacenamiento y transferencia de datos, orquestación, brechas de utilización de GPU y servicios de OCR en la nube/API — ninguno de los cuales está en la factura de GPU del motor que representan estas cifras. Las APIs en la nube también facturan por llamada con precios dependientes de las características, un modelo de costo diferente al del tiempo de ejecución en GPU alquilada; no se evalúan en esta página.

¿De dónde provienen estos números?

Cada cifra es una fila de los CSV publicados del benchmark de primera parte — results/summary_metrics.csv (costo por 1.000 páginas, rendimiento, latencia, precisión) y results/field_method_comparison.csv (tokens del postprocesador LLM y F1 por campo) — alojados en ImageToTableai/benchmark-ocr, con un manifest.json por ejecución que registra la tarifa de $0,76/hora, la marca de tiempo de precio de agosto de 2026, las versiones del modelo y los hashes del entorno.

Metodología y Fuentes

Protocolo

Esta página reporta la dimensión de costo de un benchmark independiente y reproducible (nivel oficial) — no una encuesta de afirmaciones de terceros. Solo se usaron divisiones de prueba fijas: SROIE 2019 test (361 recibos en inglés, campos planos empresa/dirección/total) y CORD v2 test (100 recibos en indonesio, campos anidados menú/sub_total/total); las divisiones de entrenamiento nunca se evaluaron. Cada par (motor × conjunto de datos) reutilizó las mismas imágenes, la misma verdad de terreno y el mismo protocolo de medición (warm_then_scored: un pase de calentamiento fijo precede al pase puntuado). Las 16 ejecuciones completadas tuvieron error_rate 0.0 (columna error_rate de summary_metrics.csv).

Entorno de Ejecución y Base de Costos

• Hardware: todas las ejecuciones en GPU se realizaron en una NVIDIA RTX 4090 (24 GB); el costo de GPU se calculó con la tarifa bajo demanda de RunPod de $0.76/hr, con la marca de tiempo del precio (price_recorded_at_utc 2026-08-13T08:00:00Z) registrada en el manifiesto redactado de cada ejecución. Tesseract se ejecutó solo en CPU y no tiene costo de GPU (celda de costo vacía en el CSV — por diseño, no un cero).
• Fórmula de costo: costo por 1,000 páginas = tiempo de ejecución real × $0.76/hr × (1,000 / páginas procesadas), incluyendo la inicialización del modelo. Verificado por el ejemplo resuelto de docTR en la sección Cómo Estimar (81,867 ms → $0.0479/1K).
• Motores: todos los modelos se ejecutan listos para usar, sin ajuste fino. Versiones bloqueadas según los manifiestos de ejecución (Tesseract 5.3.4, PaddleOCR 3.7.0, EasyOCR 1.7.2, docTR v1.0.1, Docling 2.119.0, Surya2 0.22.1, Unlimited-OCR atendido por vLLM, PaddleOCR-VL 1.6).
• Postprocesador LLM: deepseek-v4-flash vía API a temperatura 0 (la columna llm_model en field_method_comparison.csv); sus conteos de tokens se reportan como base para el costo separado del pipeline — las cifras de costo del motor OCR nunca lo incluyen.
• Postprocesamiento de campos: las métricas de campos de SROIE son postprocessed_sroie_receipt_regex_* / variantes LLM — campos extraídos del texto OCR, no de la salida estructurada nativa.
• Advertencia CORD: el texto de verdad de terreno de CORD incrusta la estructura de anotación, lo que infla el CER crudo para cada motor; por lo tanto, las filas de CORD se mantienen separadas de los rankings de SROIE. Las cifras de costo (basadas en tiempo real) no se ven afectadas por la advertencia del CER, pero ambos conjuntos de datos siguen siendo solo recibos.

Definición de Métricas

• Costo por 1,000 páginas: horas de GPU facturadas por 1,000 páginas a la tarifa registrada de $0.76/hr, tiempo real incluyendo la inicialización del modelo. Vacío para Tesseract solo con CPU.
• Páginas por minuto: rendimiento en tiempo real incluyendo la inicialización del modelo.
• Latencia p50/p95: tiempo de inferencia por página en estado estable (calentado y luego evaluado, excluye la carga del modelo).
• CER/WER: distancia de edición (inserciones + eliminaciones + sustituciones) sobre caracteres/palabras de referencia. Sensible a mayúsculas/minúsculas y convenciones de formato — las salidas de VLM se normalizan en cuanto a mayúsculas, por lo que el CER sobreestima el error de VLM (ver la página de resumen).
• F1 de valor de campo: media armónica de precisión/recall sobre valores de campos extraídos, por postprocesador (regex o LLM).

Lista de Fuentes

1. summary_metrics.csv (GitHub raw). 16 filas = 8 motores × 2 conjuntos de datos de recibos (sroie_2019, cord_v2). Columnas: model, compute_type, dataset, cer, wer, field_f1_regex, field_acc_regex, latency_p50_ms, latency_p95_ms, cost_per_1000_pages, pages_per_minute, error_rate. Cada cifra de costo, rendimiento, latencia y CER en esta página se remonta a una fila aquí.
2. field_method_comparison.csv (GitHub raw). 16 filas; columnas model, dataset, llm_model (= deepseek-v4-flash), precisión y F1 de valor de campo regex/LLM, document-fields-exact, llm_median_latency_ms, llm_prompt_tokens, llm_completion_tokens. Cada conteo de tokens y cifra de F1 de campo LLM se remonta a una fila aquí.
3. Repositorio ImageToTableai/benchmark-ocr. Repositorio público que alberga los CSV de resultados, manifiestos de ejecución redactados, protocolo congelado y listas de muestras de datos (divisiones de prueba fijas) para reproducción.
4. results/manifests/ (GitHub). Un manifest.json redactado por cada ejecución publicada (16 ejecuciones) con la huella del entorno, versiones del modelo, metadatos de costo (gpu_hourly_usd, price_recorded_at_utc), tiempo real y hashes de artefactos.
5. Huang et al., "ICDAR2019 Competition on Scanned Receipt OCR and Information Extraction" (2019). Definición del conjunto de datos SROIE 2019, estructura de tareas y licencia (CC-BY-4.0).
6. Park et al., "CORD: A Consolidated Receipt Dataset for Post-OCR Parsing" (2020). Definición del conjunto de datos CORD v2, esquema de campos anidados y licencia (CC-BY-4.0).

Limitaciones

• Un solo nivel de GPU y un solo registro de precios: todas las cifras de GPU provienen de una RTX 4090 a $0.76/hr, precio registrado en agosto de 2026. Los precios de GPU spot/bajo demanda cambian — recalcule con las tarifas actuales; otras GPUs, servidores multi-GPU y programación por lotes alteran el rendimiento y el costo.
• Solo recibos: recibos de SROIE (inglés) y CORD (indonesio). El costo, el rendimiento y la precisión en facturas, formularios, contratos o documentos largos no se han medido; las clasificaciones anteriores no son generalizables más allá de los recibos.
• El costo incluye la inicialización del modelo — dependiente del tamaño del lote: las cifras reflejan el patrón de ejecución del benchmark (divisiones fijas de 361/100 páginas, calentamiento y puntuación). Lotes más pequeños pagan la inicialización repetidamente y cuestan más por 1.000 páginas; lotes más grandes se acercan al límite de estado estable.
• Asimetría CPU/GPU: Tesseract (CPU) se compara con motores acelerados por GPU. Su ventaja de costo refleja la ausencia de facturación de GPU, no un costo cero — la infraestructura de CPU, la energía y el tiempo del personal no se cuantifican, y su techo de recuperación en campo (CORD LLM campo F1 0.163) puede trasladar el gasto al postprocesamiento.
• Sin modelos en la nube/API: AWS Textract, Google Document AI, Azure AI Document Intelligence y APIs de OCR/VLM alojadas no se incluyen; su tarificación por llamada y por características difiere fundamentalmente de la facturación por tiempo de ejecución en GPU alquilada y no se implica comparación.
• No se modela la utilización y el tiempo de inactividad: las cifras asumen que la GPU se factura por el tiempo de ejecución y está inactiva en caso contrario; los despliegues reales con GPUs inactivas, multiinquilino o subutilizadas tienen costos efectivos diferentes.
• El costo del postprocesamiento con LLM no se convierte a dólares: los recuentos de tokens (field_method_comparison.csv) son la base; la tarificación de LLM varía por proveedor y plan y se deja intencionalmente al lector.
• Los escenarios derivados no se miden: la tabla de volumen mensual es aritmética simple sobre la base de costos de SROIE, etiquetada como estimaciones derivadas — no como ejecuciones adicionales del benchmark.
• Tamaño de la muestra y fijación de versiones: 361 + 100 muestras; los resultados son válidos para las versiones de modelo de agosto de 2026 listadas arriba. Versiones más nuevas de los motores pueden alterar el costo/rendimiento; diferencias de un solo dígito porcentual deben tratarse como ruido.

Referencias relacionadas: OCR Tradicional vs VLMs de Análisis de Documentos · docTR vs Surya2: Empate en CER, Brecha de Costo · Tesseract vs PaddleOCR: Perfil de Costo en CPU · Regex vs Extracción de Campos con LLM · Desglose de Costos de Procesamiento de Documentos

Lecturas relacionadas: Precios de Extracción de Documentos con IA (2026) · Precisión de OCR con IA vs OCR Tradicional · Extracción de Datos de Imágenes con IA vs OCR Tradicional