--- title: "Firecrawl AnyDoc: Parser local para 14 formatos" canonical: https://wavect.io/es/blog/firecrawl-anydoc-review/ language: es description: "Análisis de Firecrawl AnyDoc: 14 formatos locales, benchmark, límites y comparación con Docling, MarkItDown y OCR gestionado." image: "https://wavect.io/img/blog/headers/header_firecrawl-anydoc-review.png" --- [**Volver**](/es/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/es/team/kevin-riedl/) [Kevin Riedl](/es/team/kevin-riedl/) https://linkedin.com/in/wsdt 13 min de lectura · 10 de agosto de 2026 Última revisión 10 de agosto de 2026 [**Siguiente**](/es/blog/pdf-inspector-ocr-routing/) # Firecrawl AnyDoc: 14 formatos a Markdown para agentes de IA Resumen Firecrawl AnyDoc es una biblioteca Rust con licencia MIT que convierte catorce formatos evaluados de Office, OpenDocument, RTF, EPUB y CSV en Markdown coherente compatible con GitHub. Los PDF con texto pasan por pdf-inspector. Firecrawl publica una mediana de 4,4 ms en 100 documentos reales y la mayor puntuación de calidad de su propio benchmark, pero el corpus es privado y un LLM actúa como juez, así que debes reproducir el resultado con tus archivos. AnyDoc es una buena opción local cuando importan los formatos de oficina variados, la baja latencia y evitar transferencias de red. No aporta OCR, extracción semántica de campos, chunking ni una canalización RAG completa. Elige Docling para escaneos o diseños complejos, MarkItDown para un kit Python más amplio o Firecrawl Parse cuando compense pagar por OCR y salida estructurada como servicio. **Firecrawl AnyDoc es una biblioteca local y rápida para convertir documentos de Office variados a Markdown, no una plataforma completa de inteligencia documental.** El proyecto Rust de código abierto procesa Word, PowerPoint, Excel, OpenDocument, RTF, EPUB y CSV mediante un modelo documental común. También deriva los PDF con texto a pdf-inspector. Para una ingesta RAG, una carga de archivos para agentes de IA o una importación de conocimiento, el atractivo es directo: una dependencia, Markdown coherente y ninguna llamada API para los documentos normales. Nuestro veredicto tras revisar el código, la metodología del benchmark y las alternativas el 10 de agosto de 2026: **AnyDoc merece un piloto con tu corpus cuando predominan los documentos de oficina y el procesamiento local importa.** Es una mala opción por defecto si dominan escaneos, escritura manual, maquetación visual o extracción tipada de campos. Este análisis responde a una intención de compra poco atendida, AnyDoc frente a Docling, MarkItDown o un parser gestionado, sin competir con nuestro contenido específico sobre PDF y OCR. ## ¿Qué es Firecrawl AnyDoc? **AnyDoc transforma los bytes de un documento en un modelo estructural compartido y lo serializa como GitHub-Flavored Markdown.** El [repositorio oficial y su referencia de API](https://github.com/firecrawl/anydoc) documentan interfaces para Rust, Node.js, Python, CLI y WebAssembly en el navegador. La detección lee marcadores del contenido en lugar de confiar en la extensión. CSV es la excepción, porque no tiene una firma propia. | Familia de entrada | Ejemplos | Salida útil | | --- | --- | --- | | Word | DOC, DOCX, DOCM | Títulos, listas, tablas, enlaces, notas y formato en línea | | PowerPoint | PPT, PPTX y variantes relacionadas | Contenido de diapositivas, tablas, enlaces, referencias a medios y notas | | Excel | XLS, XLSX, XLSM, XLSB | Tablas Markdown coherentes desde libros antiguos y modernos | | OpenDocument | ODT, ODS, ODP | El mismo serializador que usan los formatos de Microsoft | | Otros archivos estructurados | RTF, EPUB, CSV | Texto normalizado sin instalar una suite ofimática | | PDF con texto | PDF con una capa de texto válida | Markdown local mediante pdf-inspector | El límite importa más que la lista. Los recursos incrustados siguen disponibles como bytes en el modelo, mientras Markdown los representa mediante texto alternativo o referencias. AnyDoc no ejecuta OCR, no interpreta gráficos, no infiere campos de facturas, no divide contenido para embeddings ni evalúa la recuperación. Resuelve la conversión anterior a esas tareas. ## ¿Qué demuestra realmente el benchmark de 4,4 ms? **Firecrawl publica para AnyDoc una mediana de 4,4 ms por documento y una puntuación global de calidad de 81 en 14 formatos.** El [anuncio oficial con la explicación del benchmark](https://www.firecrawl.dev/blog/anydoc-and-pdf-inspector) indica que la comparación usó 100 documentos reales y seis alternativas. AnyDoc fue la única herramienta del test que cubrió los 14 formatos. | Dato publicado | Conclusión razonable | Evidencia que falta | | --- | --- | --- | | Mediana de 4,4 ms | La ruta nativa tiene poca sobrecarga en la máquina evaluada | Arranque en frío, carga, p95 y tamaño de tu contenedor | | 81 puntos de calidad | La salida fue buena en completitud, estructura, formato y limpieza | Evaluación humana independiente y corrección de negocio | | 100 documentos reales | La prueba supera una sola demostración DOCX | El corpus es privado y no se puede inspeccionar su distribución | | Juez LLM con orden intercambiado | El método intenta reducir el sesgo de posición | Acuerdo con revisores expertos y coste de errores críticos | | Cobertura distinta por herramienta | La comparación por formato es más útil que una cifra total | Un corpus idéntico que todas las opciones soporten por completo | Es evidencia de proveedor útil, no un récord universal. Fija versión de AnyDoc, hardware, calentamiento y muestra. Mide p50, p95, estructura aceptada, contenido perdido, minutos de corrección y documentos fallidos. Un parser que termina en milisegundos pero rompe una tabla financiera no es rápido para el negocio. ## AnyDoc, Docling, MarkItDown o Firecrawl Parse | Opción | Mejor encaje | Principal coste | | --- | --- | --- | | AnyDoc | Archivos variados de Office, OpenDocument, RTF, EPUB y CSV que deben quedarse locales | Sin OCR ni extracción semántica de campos | | Docling | Escaneos, imágenes, PDF complejos, tablas y un modelo documental más rico | Más modelos, dependencias, configuración y cómputo | | MarkItDown | Equipos Python que valoran conversión amplia, plugins e integraciones opcionales | Dependencias por formato y calidad distinta entre conversores | | Firecrawl Parse | Equipos que compran OCR gestionado, resúmenes o JSON adaptado a un esquema | Transferencia de red, contrato, coste por llamada y límite documentado de 50 MB | | Mantener el parser actual | La tasa de aceptación, el coste y la latencia ya cumplen el objetivo | Hay que demostrar suficiente beneficio antes de financiar una migración | La [documentación actual de formatos de Docling](https://docling-project.github.io/docling/usage/supported_formats/) incluye PDF, Office, OpenDocument, EPUB, imágenes, HTML, lenguajes de marcado, audio y vídeo. Otras partes del toolkit aportan OCR y exportaciones estructuradas. Esa amplitud lo hace atractivo para corpus visuales o multimodales, pero no lo convierte automáticamente en el conversor de Office más ligero. La [documentación oficial de MarkItDown](https://github.com/microsoft/markitdown/blob/main/README.md) describe dependencias opcionales por formato, OCR mediante plugin y rutas facturables de Azure para maquetación o extracción estructurada. Encaja con productos Python que necesitan extensibilidad. AnyDoc encaja cuando quieres una biblioteca local enfocada, con varios lenguajes y una salida uniforme para documentos de oficina. La [documentación del servicio Firecrawl Parse](https://docs.firecrawl.dev/features/parse) añade modos OCR, resúmenes y JSON guiado por esquema. Elígelo cuando la gestión externa de excepciones vale más que mantener todos los bytes y procesos dentro de tu perímetro. La biblioteca local y la API alojada son productos diferentes, aunque AnyDoc forme parte del servicio. ## ¿Cómo encaja AnyDoc en una canalización de agentes o RAG? 1. **Acepta poco:** permite solo formatos necesarios, limita tamaño de archivo y descompresión, sustituye nombres y pon la carga en cuarentena. 2. **Detecta desde los bytes:** compara la extensión declarada con el resultado por contenido. Rechaza la discrepancia salvo que exista una recuperación explícita. 3. **Procesa aislado:** limita CPU, memoria, anidación y tiempo. Las cargas públicas deben vivir lejos del proceso web y de las credenciales. 4. **Conserva procedencia:** guarda hash, formato original, versión del parser, fecha, títulos, tablas y referencias a recursos. 5. **Valida el Markdown:** comprueba secciones, caracteres, filas, totales, enlaces y salida vacía antes de indexar. 6. **Deriva excepciones:** los PDF de imagen y escaneos incrustados van a OCR o visión aprobada. Los archivos cifrados o dañados pasan a revisión o rechazo controlado. 7. **Divide después de aceptar:** el parsing produce texto fuente. Metadatos, permisos, embeddings, recuperación y citas siguen siendo responsabilidades distintas. 8. **Mide documentos aceptados:** registra coste completo y tiempo de revisión, no solo milisegundos del parser. Para PDF, consulta nuestro [análisis de pdf-inspector y enrutamiento OCR](/es/blog/pdf-inspector-ocr-routing/). Esa página posee la intención sobre texto nativo, páginas mixtas y el punto donde empieza el OCR. Después de aceptar el Markdown, la [lista de preparación RAG para empresas europeas](/es/blog/rag-production-readiness-checklist-eu/) cubre permisos, evaluación de recuperación y citas de respuestas. Esta separación evita canibalización. ## Inicio rápido en Node.js con un límite de producción ``` import { toMarkdownBytes } from "@firecrawl/anydoc" export async function parseAcceptedUpload(file) { enforceUploadLimits(file) const bytes = new Uint8Array(await file.arrayBuffer()) const markdown = await toMarkdownBytes(bytes, file.name) const result = validateDocument(markdown) if (!result.accepted) { return routeForReview(file, result.reasons) } return { markdown, sha256: await hash(bytes), parser: "anydoc@PINNED_VERSION", sourceName: safeDisplayName(file.name) } } ``` `enforceUploadLimits`, `validateDocument`, `routeForReview`, `hash` y `safeDisplayName` son código del producto, no API de AnyDoc. Mantén esa frontera visible en la estimación. Instalar el parser es la parte más pequeña de una función de ingesta fiable. ## ¿Cuándo no encaja AnyDoc? - **Escaneos y fotos:** AnyDoc no incluye un modelo OCR. El soporte de PDF con texto no cambia ese límite. - **Significado visual:** gráficos, firmas, correcciones manuscritas y formularios espaciales requieren visión o comprensión documental. - **Campos de negocio tipados:** convertir una factura a Markdown no valida proveedor, impuestos, líneas y total contra un esquema. - **Renderizado perfecto:** el objetivo es texto estructurado, no reproducir cada píxel de una hoja o presentación. - **Cargas públicas sin límite:** Rust y los límites internos ayudan, pero no sustituyen sandbox, colas, antimalware y actualizaciones. - **Benchmark independiente obligatorio:** las cifras proceden del equipo del proyecto y de un corpus privado. La [guía de OWASP para cargas de archivos](https://cheatsheetseries.owasp.org/cheatsheets/File_Upload_Cheat_Sheet.html) recomienda defensa en profundidad: extensiones permitidas, comprobación de tipo y firma, nombres nuevos, límites, almacenamiento aislado, antimalware y parser reforzado. La conversión local reduce un riesgo de transferencia. No vuelve fiable un archivo de Office externo. ## Evaluación de AnyDoc en diez días 1. **Muestrea la realidad:** elige al menos 200 documentos de todos los formatos, idiomas, edades y orígenes relevantes. Añade ejemplos dañados, cifrados, con macros y sobredimensionados. 2. **Define aceptación:** etiqueta títulos, notas, tablas, celdas combinadas, enlaces, fórmulas, páginas y recursos necesarios. 3. **Mide la base actual:** registra tasa de aceptación, p50, p95, coste, minutos de revisión y uso de fallback. 4. **Prueba una versión fijada:** mide los mismos resultados y separa parsing caliente de arranque y carga. 5. **Compara dos alternativas:** usa Docling en el subconjunto visual difícil y MarkItDown en los formatos comunes. 6. **Ataca el límite:** prueba archivos mal nombrados, comprimidos, anidados y costosos en el sandbox previsto. 7. **Calcula el fallback:** cuenta OCR, revisión manual, rechazos y fallos visibles para usuarios. 8. **Decide por acción aceptada:** publica solo si calidad y seguridad superan el umbral y baja el coste total o la latencia. Nuestro [modelo de coste por acción de agente de IA](/es/blog/ai-agent-cost-per-action-2026/) mantiene reintentos y reparación humana en el denominador. Si la ingesta documental se convierte en infraestructura de producto, el servicio de [AI enablement de Wavect](/es/services/ai-enablement/) puede evaluar el corpus, construir el enrutamiento y conectarlo a recuperación o automatización. El [caso Twinsoft AI](/es/case-studies/twinsoft-ai/) muestra nuestro enfoque para salidas trazables y la [guía para elegir tecnología de un MVP](/es/software-development-guide/how-to-choose-a-tech-stack-for-mvp/) ayuda a decidir qué capas conviene operar. ## Preguntas frecuentes ### ¿Qué es Firecrawl AnyDoc? AnyDoc es una biblioteca Rust con licencia MIT que convierte Word, PowerPoint, Excel, OpenDocument, RTF, EPUB y CSV en GitHub-Flavored Markdown coherente. Ofrece Rust, Node.js, Python, CLI y WebAssembly, además de PDF con texto mediante pdf-inspector. ### ¿AnyDoc ejecuta OCR? No. Procesa contenido legible por máquina y PDF con texto, pero escaneos, fotografías y páginas de imagen necesitan una ruta OCR o de visión aparte. ### ¿AnyDoc es más rápido que Docling? AnyDoc fue más rápido en el benchmark publicado por Firecrawl, con una mediana de 4,4 ms, pero las herramientas resuelven ámbitos diferentes y el corpus es privado. Docling añade OCR, modelos de maquetación y más formatos multimodales. Evalúa ambas en el subconjunto que operarían. ### ¿Debo usar AnyDoc o MarkItDown? Elige AnyDoc para un parser local compacto con interfaces Rust, Node.js, Python y WebAssembly sobre formatos de oficina variados. Elige MarkItDown si pesan más el ecosistema Python, otros medios o las rutas opcionales de Azure. ### ¿AnyDoc puede funcionar completamente en el navegador? Sí. El paquete WebAssembly acepta bytes y la demostración oficial convierte localmente. Los archivos grandes o externos aún necesitan Web Worker, límites claros y una ruta de rechazo. ### ¿AnyDoc es suficiente para RAG? No. Produce Markdown estructurado, pero un RAG en producción necesita aceptación, chunking, metadatos, permisos, embeddings, evaluación de recuperación, citas, monitorización y borrado. ## Límite de la investigación *Estado revisado el 10 de agosto de 2026. Las cifras son resultados publicados por el proveedor, no mediciones de Wavect. Revisamos repositorio, metodología y documentación oficial de alternativas, pero no recibimos el corpus privado ni hicimos una auditoría de seguridad. Versiones, formatos, límites y precios pueden cambiar. Fíjalos y verifícalos antes de comprar.* ## Reflexiones finales AnyDoc elimina una pieza de infraestructura sorprendentemente cara: mantener un parser y una forma de salida distintos para cada formato de oficina que suben los usuarios. Su modelo común, ejecución local e interfaces para varios lenguajes lo convierten en un candidato creíble para la conversión rutinaria a Markdown. La decisión depende de las excepciones. Si dominan escaneos, diseños visuales y campos tipados, elige una canalización más rica o gestionada. Si dominan documentos nativos, prueba AnyDoc con tus archivos más difíciles, aísla el parser, conserva la procedencia y mide documentos aceptados. El parser más rápido es el que reduce revisión y recuperación sin debilitar el control de calidad. ## También te puede gustar.. [**pdf-inspector: procesa PDF antes del OCR** Decide por página cómo tratar PDF nativos, escaneados y mixtos.](/es/blog/pdf-inspector-ocr-routing/) [**AI enablement frente a consultoría genérica** Compara una implementación productiva en tu infraestructura con una entrega solo estratégica.](/es/compare/ai-enablement-vs-generic-ai-consultancy/) Modelos e infraestructura ## Continúa por este clúster [Empieza por el artículo fundamental**Alojar LLMs en la UE: Cuándo Salen a Cuenta los Open Weights**](/es/blog/self-hosting-llms-eu-cost/) - [Muse Glimmer 30B: ¿está listo el agente local de Meta para producción?](/es/blog/muse-glimmer-30b-local-agent-guide/) - [Routing de IA con OmniRoute: Setup y Checklist de Producción](/es/blog/omniroute-ai-routing-setup/) - [Gemini Robotics 2: control corporal completo y decisión de piloto](/es/blog/gemini-robotics-2-whole-body-control/) - [pdf-inspector: parser PDF local antes del OCR](/es/blog/pdf-inspector-ocr-routing/) - [Asistente de programación con IA local multimodal: voz, OCR y privacidad](/es/blog/local-multimodal-ai-coding-assistant/) Tu bandeja, sin ruido ## Sigue el trabajo que te importa Recibe un correo breve cuando publiquemos algo nuevo. Sigue todo el blog o solo los temas que te interesan. [**Volver**](/es/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/es/team/kevin-riedl/) [Kevin Riedl](/es/team/kevin-riedl/) https://linkedin.com/in/wsdt 13 min de lectura · 10 de agosto de 2026 Última revisión 10 de agosto de 2026 [**Siguiente**](/es/blog/pdf-inspector-ocr-routing/) Nuevos artículos por correo × × Recibe nuevos artículos por correo Un correo breve cuando publicamos. Gratis y sin seguimiento. ## Structured Data ```json { "@context": "https://schema.org", "@graph": [ { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ], "employee": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "founder": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "legalRepresentative": [ { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } } ], "name": "Wavect GmbH", "subjectOf": { "@id": "https://wavect.io/verified-claims.json#dataset", "@type": "Dataset", "creator": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "description": "A machine-readable registry of quantitative and qualitative claims published by Wavect, with review dates, localized page appearances and public third-party citations where available.", "inLanguage": "en", "isAccessibleForFree": true, "license": "https://creativecommons.org/licenses/by/4.0/", "name": "Wavect verified publication claims", "url": "https://wavect.io/verified-claims.json" }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/team/christof-jori/#person", "@type": "Person", "jobTitle": "Managing Director", "name": "Christof Jori", "sameAs": [ "https://www.wikidata.org/wiki/Q139796367", "https://www.linkedin.com/in/jocr77/", "https://github.com/jo-chris" ], "url": "https://wavect.io/team/christof-jori/", "worksFor": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] } }, { "@id": "https://wavect.io/#website", "@type": "WebSite", "inLanguage": [ "en", "de", "es", "zh" ], "name": "Wavect", "potentialAction": { "@type": "SearchAction", "query-input": "required name=search_term_string", "target": { "@type": "EntryPoint", "urlTemplate": "https://wavect.io/search/?q={search_term_string}" } }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/" }, { "@id": "https://wavect.io/es/blog/firecrawl-anydoc-review/#webpage", "@type": "WebPage", "dateModified": "2026-08-10", "inLanguage": "es", "isPartOf": { "@id": "https://wavect.io/#website", "@type": "WebSite" }, "lastReviewed": "2026-08-10", "url": "https://wavect.io/es/blog/firecrawl-anydoc-review/" } ] } ``` ```json { "@context": "https://schema.org", "@type": "BlogPosting", "abstract": "Firecrawl AnyDoc es una biblioteca Rust con licencia MIT que convierte catorce formatos evaluados de Office, OpenDocument, RTF, EPUB y CSV en Markdown coherente compatible con GitHub. Los PDF con texto pasan por pdf-inspector. Firecrawl publica una mediana de 4,4 ms en 100 documentos reales y la mayor puntuación de calidad de su propio benchmark, pero el corpus es privado y un LLM actúa como juez, así que debes reproducir el resultado con tus archivos. AnyDoc es una buena opción local cuando importan los formatos de oficina variados, la baja latencia y evitar transferencias de red. No aporta OCR, extracción semántica de campos, chunking ni una canalización RAG completa. Elige Docling para escaneos o diseños complejos, MarkItDown para un kit Python más amplio o Firecrawl Parse cuando compense pagar por OCR y salida estructurada como servicio.", "articleBody": " Resumen del blog/IA y agentes/Modelos e infraestructura Firecrawl AnyDoc: 14 formatos a Markdown para agentes de IA Resumen Firecrawl AnyDoc es una biblioteca Rust con licencia MIT que convierte catorce formatos evaluados de Office, OpenDocument, RTF, EPUB y CSV en Markdown coherente compatible con GitHub. Los PDF con texto pasan por pdf-inspector. Firecrawl publica una mediana de 4,4 ms en 100 documentos reales y la mayor puntuación de calidad de su propio benchmark, pero el corpus es privado y un LLM actúa como juez, así que debes reproducir el resultado con tus archivos. AnyDoc es una buena opción local cuando importan los formatos de oficina variados, la baja latencia y evitar transferencias de red. No aporta OCR, extracción semántica de campos, chunking ni una canalización RAG completa. Elige Docling para escaneos o diseños complejos, MarkItDown para un kit Python más amplio o Firecrawl Parse cuando compense pagar por OCR y salida estructurada como servicio. Firecrawl AnyDoc es una biblioteca local y rápida para convertir documentos de Office variados a Markdown, no una plataforma completa de inteligencia documental. El proyecto Rust de código abierto procesa Word, PowerPoint, Excel, OpenDocument, RTF, EPUB y CSV mediante un modelo documental común. También deriva los PDF con texto a pdf-inspector. Para una ingesta RAG, una carga de archivos para agentes de IA o una importación de conocimiento, el atractivo es directo: una dependencia, Markdown coherente y ninguna llamada API para los documentos normales. Nuestro veredicto tras revisar el código, la metodología del benchmark y las alternativas el 10 de agosto de 2026: AnyDoc merece un piloto con tu corpus cuando predominan los documentos de oficina y el procesamiento local importa. Es una mala opción por defecto si dominan escaneos, escritura manual, maquetación visual o extracción tipada de campos. Este análisis responde a una intención de compra poco atendida, AnyDoc frente a Docling, MarkItDown o un parser gestionado, sin competir con nuestro contenido específico sobre PDF y OCR. ¿Qué es Firecrawl AnyDoc? AnyDoc transforma los bytes de un documento en un modelo estructural compartido y lo serializa como GitHub-Flavored Markdown. El repositorio oficial y su referencia de API documentan interfaces para Rust, Node.js, Python, CLI y WebAssembly en el navegador. La detección lee marcadores del contenido en lugar de confiar en la extensión. CSV es la excepción, porque no tiene una firma propia. Familia de entradaEjemplosSalida útil WordDOC, DOCX, DOCMTítulos, listas, tablas, enlaces, notas y formato en línea PowerPointPPT, PPTX y variantes relacionadasContenido de diapositivas, tablas, enlaces, referencias a medios y notas ExcelXLS, XLSX, XLSM, XLSBTablas Markdown coherentes desde libros antiguos y modernos OpenDocumentODT, ODS, ODPEl mismo serializador que usan los formatos de Microsoft Otros archivos estructuradosRTF, EPUB, CSVTexto normalizado sin instalar una suite ofimática PDF con textoPDF con una capa de texto válidaMarkdown local mediante pdf-inspector El límite importa más que la lista. Los recursos incrustados siguen disponibles como bytes en el modelo, mientras Markdown los representa mediante texto alternativo o referencias. AnyDoc no ejecuta OCR, no interpreta gráficos, no infiere campos de facturas, no divide contenido para embeddings ni evalúa la recuperación. Resuelve la conversión anterior a esas tareas. ¿Qué demuestra realmente el benchmark de 4,4 ms? Firecrawl publica para AnyDoc una mediana de 4,4 ms por documento y una puntuación global de calidad de 81 en 14 formatos. El anuncio oficial con la explicación del benchmark indica que la comparación usó 100 documentos reales y seis alternativas. AnyDoc fue la única herramienta del test que cubrió los 14 formatos. Dato publicadoConclusión razonableEvidencia que falta Mediana de 4,4 msLa ruta nativa tiene poca sobrecarga en la máquina evaluadaArranque en frío, carga, p95 y tamaño de tu contenedor 81 puntos de calidadLa salida fue buena en completitud, estructura, formato y limpiezaEvaluación humana independiente y corrección de negocio 100 documentos realesLa prueba supera una sola demostración DOCXEl corpus es privado y no se puede inspeccionar su distribución Juez LLM con orden intercambiadoEl método intenta reducir el sesgo de posiciónAcuerdo con revisores expertos y coste de errores críticos Cobertura distinta por herramientaLa comparación por formato es más útil que una cifra totalUn corpus idéntico que todas las opciones soporten por completo Es evidencia de proveedor útil, no un récord universal. Fija versión de AnyDoc, hardware, calentamiento y muestra. Mide p50, p95, estructura aceptada, contenido perdido, minutos de corrección y documentos fallidos. Un parser que termina en milisegundos pero rompe una tabla financiera no es rápido para el negocio. AnyDoc, Docling, MarkItDown o Firecrawl Parse OpciónMejor encajePrincipal coste AnyDocArchivos variados de Office, OpenDocument, RTF,", "articleSection": "Engineering", "author": { "@id": "https://wavect.io/team/kevin-riedl/#person", "@type": "Person", "name": "Kevin Riedl", "sameAs": [ "https://www.wikidata.org/wiki/Q139796365", "https://www.linkedin.com/in/wsdt", "https://github.com/wsdt" ], "url": "https://wavect.io/team/kevin-riedl/" }, "citation": [ { "@type": "WebPage", "name": "repositorio oficial y su referencia de API", "url": "https://github.com/firecrawl/anydoc" }, { "@type": "WebPage", "name": "anuncio oficial con la explicación del benchmark", "url": "https://www.firecrawl.dev/blog/anydoc-and-pdf-inspector" }, { "@type": "WebPage", "name": "documentación actual de formatos de Docling", "url": "https://docling-project.github.io/docling/usage/supported_formats/" }, { "@type": "WebPage", "name": "documentación oficial de MarkItDown", "url": "https://github.com/microsoft/markitdown/blob/main/README.md" }, { "@type": "WebPage", "name": "documentación del servicio Firecrawl Parse", "url": "https://docs.firecrawl.dev/features/parse" }, { "@type": "WebPage", "name": "guía de OWASP para cargas de archivos", "url": "https://cheatsheetseries.owasp.org/cheatsheets/File_Upload_Cheat_Sheet.html" } ], "dateModified": "2026-08-10", "datePublished": "2026-08-10", "description": "Firecrawl AnyDoc es una biblioteca Rust con licencia MIT que convierte catorce formatos evaluados de Office, OpenDocument, RTF, EPUB y CSV en Markdown coherente compatible con GitHub. Los PDF con texto pasan por pdf-inspector. Firecrawl publica una mediana de 4,4 ms en 100 documentos reales y la mayor puntuación de calidad de su propio benchmark, pero el corpus es privado y un LLM actúa como juez, así que debes reproducir el resultado con tus archivos. AnyDoc es una buena opción local cuando importan los formatos de oficina variados, la baja latencia y evitar transferencias de red. No aporta OCR, extracción semántica de campos, chunking ni una canalización RAG completa. Elige Docling para escaneos o diseños complejos, MarkItDown para un kit Python más amplio o Firecrawl Parse cuando compense pagar por OCR y salida estructurada como servicio.", "headline": "Firecrawl AnyDoc: 14 formatos a Markdown", "image": "https://wavect.io/img/blog/headers/header_firecrawl-anydoc-review.svg", "inLanguage": "es", "keywords": "Agentes de IA, Procesamiento de documentos", "mainEntityOfPage": { "@id": "https://wavect.io/es/blog/firecrawl-anydoc-review/", "@type": "WebPage" }, "publisher": { "@id": "https://wavect.io/#organization", "@type": [ "Organization", "ProfessionalService", "LocalBusiness" ] }, "url": "https://wavect.io/es/blog/firecrawl-anydoc-review/", "wordCount": 2356 } ``` ```json { "@context": "https://schema.org", "@type": "BreadcrumbList", "itemListElement": [ { "@type": "ListItem", "item": "https://wavect.io/es/", "name": "Inicio", "position": 1 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/overview/", "name": "Resumen del blog", "position": 2 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/topics/ai-agents/", "name": "IA y agentes", "position": 3 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/clusters/models-infrastructure/", "name": "Modelos e infraestructura", "position": 4 }, { "@type": "ListItem", "item": "https://wavect.io/es/blog/firecrawl-anydoc-review/", "name": "Firecrawl AnyDoc: Parser local para 14 formatos | ", "position": 5 } ] } ``` ```json { "@context": "https://schema.org", "@type": "FAQPage", "mainEntity": [ { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "AnyDoc es una biblioteca Rust con licencia MIT que convierte Word, PowerPoint, Excel, OpenDocument, RTF, EPUB y CSV en GitHub-Flavored Markdown coherente. Ofrece Rust, Node.js, Python, CLI y WebAssembly, además de PDF con texto mediante pdf-inspector." }, "name": "¿Qué es Firecrawl AnyDoc?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "No. Procesa contenido legible por máquina y PDF con texto, pero escaneos, fotografías y páginas de imagen necesitan una ruta OCR o de visión aparte." }, "name": "¿AnyDoc ejecuta OCR?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "AnyDoc fue más rápido en el benchmark publicado por Firecrawl, con una mediana de 4,4 ms, pero las herramientas resuelven ámbitos diferentes y el corpus es privado. Docling añade OCR, modelos de maquetación y más formatos multimodales. Evalúa ambas en el subconjunto que operarían." }, "name": "¿AnyDoc es más rápido que Docling?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Elige AnyDoc para un parser local compacto con interfaces Rust, Node.js, Python y WebAssembly sobre formatos de oficina variados. Elige MarkItDown si pesan más el ecosistema Python, otros medios o las rutas opcionales de Azure." }, "name": "¿Debo usar AnyDoc o MarkItDown?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "Sí. El paquete WebAssembly acepta bytes y la demostración oficial convierte localmente. Los archivos grandes o externos aún necesitan Web Worker, límites claros y una ruta de rechazo." }, "name": "¿AnyDoc puede funcionar completamente en el navegador?" }, { "@type": "Question", "acceptedAnswer": { "@type": "Answer", "text": "No. Produce Markdown estructurado, pero un RAG en producción necesita aceptación, chunking, metadatos, permisos, embeddings, evaluación de recuperación, citas, monitorización y borrado." }, "name": "¿AnyDoc es suficiente para RAG?" } ] } ```