Respuesta corta: En tres páginas digitales limpias (una factura, un informe de dos columnas con una tabla y apuntes de clase con ecuaciones), los cuatro modelos transcribieron correctamente el cuerpo de cada página: cada campo, oración, celda de la tabla y ecuación. Difieren en lo que más devuelve, lo que aceptan y el coste. LightOnOCR-3 4B toma PDFs, lee hasta 1.000 páginas por solicitud y devuelve el diseño de cada página con encabezados y pies de página marcados, a $3.00 por cada 1.000 páginas con un mínimo de 5 páginas por solicitud ($0.015 por página). Gemma 4 26B-A4B y Qwen3.5 4B cada uno costaba menos de $0.0002 página, y Mistral Pequeño 3.1 cuesta $0.0019 página. Los tres modelos de chat toman imágenes de página en lugar de PDFs y solo devolven Markdown. Los cuatro funcionan con EmpirioLabs a través de una sola API.
Especificaciones de un vistazo
| LightOnOCR-3 4B | Qwen3.5 4B | Gemma 4 26B-A4B | Mistral Pequeño 3.1 | |
|---|---|---|---|---|
| Punto final | DESPUÉS /v1/ocr | DESPUÉS /v1/chat/completions | DESPUÉS /v1/chat/completions | DESPUÉS /v1/chat/completions |
| Precio | $3.00 por cada 1.000 páginas, mínimo 5 páginas por solicitud | $0.04 por cada 1M de tokens de entrada, $0.07 por 1M de tokens de salida | $0.05 por cada 1M de tokens de entrada, $0.29 por 1M de tokens de salida | $0.0019 por mensaje |
| Una página de este examen | $0.015 | $0.00016 $0.00017 | $0.00016 $0.00019 | $0.0019 |
| 1.000 páginas como estas | $3.00, enviado 5 o más páginas por solicitud | Sobre $0.17 | Sobre $0.17 | $1.90 |
| Corrección de la página (de 3 páginas) | 3 | 3 | 3 | 3 |
| Ecuaciones correctas (de 5) | 5 | 5 | 5 | 5 |
| Cabeceras y números de página mantenido (de 7) | 7 | 4 | 7 | 1 |
| Entrada | Un PDF (hasta 1.000 páginas por solicitud) o una imagen | Imágenes | Imágenes | Imágenes |
| Diseño de página (tipos y posiciones de bloques) | Sí | No | No | No |
Cómo lo gestionamos
Hicimos tres páginas para este examen, cada una una página de Carta de EE. UU. renderizada como un PNG 1583x2048: una factura con cinco partidas, una página de dos columnas con una tabla de cinco filas y una página de apuntes de clase con cinco ecuaciones numeradas. Cada página pasaba una vez a cada modelo api.empiriolabs.ai el 25 de octubre de 2026: a LightOnOCR-3 4B en DESPUÉS /v1/ocr con sus opciones predeterminadas, y a los tres modelos de chat activados DESPUÉS /v1/chat/completions con el mismo prompt, temperatura 0, hasta 8.192 tokens de salida, y pensando en Qwen3.5 4B y Gemma 4 26B-A4B. No se volvió a probar ni seleccionar ningún resultado. Los precios son los que se cobró a cada solicitud, a los precios de lista de ese día.
El prompt para los modelos de chat:
Convierte esta página de documento a Markdown. Transcribe todo el texto exactamente tal como está escrito, en orden de lectura. Utiliza encabezados, listas y tablas de Markdown, y escribe expresiones matemáticas en LaTeX. Devuelve solo el Markdown.
Las tres son páginas digitales limpias. No formaban parte de esta prueba escaneos, fotografías de papel, caligrafía ni gráficos.
Documento 1: una factura
Los cuatro devolvieron todos los detalles en la parte superior de la factura, ambas direcciones, las 20 celdas de líneas y el subtotal, impuestos y total. LightOnOCR-3 4B devolvió ambas tablas como HTML y dejó un marcador en negrita en el bloque de totales (Subtotal**). Qwen3.5 4B escribió los detalles de la factura como una tabla de Markdown sin la fila separadora que necesita una tabla, por lo que se representan como texto plano. Gemma 4 26B-A4B incluyó el subtotal, el impuesto y el total en la tabla de partidas como filas adicionales.
Resultados completos: LightOnOCR-3 4B Silencio Qwen3.5 4B Silencio Gemma 4 26B-A4B Silencio Mistral Pequeño 3.1
Documento 2: un informe de dos columnas con una tabla
Los cuatro leían la columna de la izquierda antes de la derecha y devolvían las 15 frases y las 30 celdas de la tabla, incluyendo el nombre de la estación que se envuelve en dos líneas. LightOnOCR-3 4B y Qwen3.5 4B mantenían el encabezado y el número de página tal como estaban escritos. Gemma 4 26B-A4B los mantenía con un guion en lugar del punto central del encabezado, y escribía las velocidades en el texto como LaTeX ($6.1\text{ m/s}$). Mistral Small 3.1 omitió el encabezado ni el número de página.
Resultados completos: LightOnOCR-3 4B Silencio Qwen3.5 4B Silencio Gemma 4 26B-A4B Silencio Mistral Pequeño 3.1
Documento 3: apuntes de clase con ecuaciones
Los cuatro devolvieron correctamente las cinco ecuaciones numeradas, las matemáticas en línea y la tabla de valores. Mistral Small 3.1 escribió \phi donde la página muestra el phi rizado (\varphi). LightOnOCR-3 4B y Gemma 4 26B-A4B mantuvieron el encabezado y el número de página; Qwen3.5 4B y Mistral Small 3.1 omitieron ambos fuera. Ecuación 6.2 como LightOnOCR-3 4B lo devolvió:
$$ r = \frac{-c \pm \sqrt{c^2 - 4mk}}{2m} \quad \text{(6.2)} $$Resultados completos: LightOnOCR-3 4B Silencio Qwen3.5 4B Silencio Gemma 4 26B-A4B Silencio Mistral Pequeño 3.1
¿Qué vuelve aparte del texto
Distribución. Con el Markdown, LightOnOCR-3 4B devolvía el diseño de cada página: 12, 18 y 16 bloques para las tres páginas, cada uno con su tipo (título, texto, tabla, ecuación, pie de foto, encabezado o pie de página) y su posición en píxeles. Los encabezados y pies de página se marcan así, y extract_header y extract_footer Trasladarlos a sus propios campos.
Respuestas claras. Los modelos de chat solo devolven texto. Qwen3.5 4B y Mistral Small 3.1 envolvieron las tres respuestas en un '''markdown valla de código, que debe eliminarse antes de usar el texto; Gemma 4 26B-A4B no lo hizo.
Mesas. LightOnOCR-3 4B devuelve tablas como HTML dentro del Markdown, o por separado en Tablas como Markdown o HTML con table_format. Los modelos de chat escribían tablas Markdown.
Cuándo usar cada uno
- LightOnOCR-3 4B para PDFs y documentos largos, y cuando necesitas el diseño de cada página, cabeceras y pies de página, o regiones de imagen como datos, sin necesidad de mantener un mensaje. Envía varias páginas por solicitud: cada solicitud se factura al menos 5 páginas.
- Gemma 4 26B-A4B Para texto de imágenes de una sola página al precio más bajo, menos de $0.0002 página en esta prueba.
- Qwen3.5 4B para texto de imágenes de página a un precio por página similar al de Gemma 4 26B-A4B; se omitía el encabezado y el número de página en una de las tres páginas.
- Mistral Pequeño 3.1 Cuando quieres el mismo precio por cada imagen de página; se han omitido los encabezados y números de página en dos de las tres páginas.
Los modelos de chat también pueden responder preguntas sobre una página o devolver los campos que nombras como JSON en la misma solicitud, que /v1/ocr no sirve.
Haz la prueba en EmpirioLabs
curl https://api.empiriolabs.ai/v1/ocr \ -H "Autorización: Portador $EMPIRIOLABS_API_KEY" \ -H "Tipo-Contenido: application/json" \ -d '{ "modelo": "lightonocr-3-4b", "documento": { "tipo": "image_url", "image_url": "https://media.empiriolabs.ai/assets/blog-images/lightonocr-3-4b-test-2026-10-25/invoice.png" } }'La misma página sobre un modelo de chat:
curl https://api.empiriolabs.ai/v1/chat/completions \ -H "Autorización: Portador $EMPIRIOLABS_API_KEY" \ -H "Tipo-Contenido: application/json" \ -d '{ "modelo": "gemma-4-26b-a4b", "mensajes": [{"rol": "usuario", "contenido": [ {"tipo": "image_url", "image_url": {"url": "https://media.empiriolabs.ai/assets/blog-images/lightonocr-3-4b-test-2026-10-25/invoice.png"}}, {"tipo": "texto", "texto": "Convertir esta página de documento a Markdown. Transcribe todo el texto exactamente tal como está escrito, en orden de lectura. Usa encabezados, listas y tablas de Markdown, y escribe expresiones matemáticas en LaTeX. Devuelve solo el Markdown."} ]}], "temperatura": 0, "max_tokens": 8192, "enable_thinking": falso }'Cambio modelo a qwen3-5-4b para ejecutar Qwen3.5 4B, o para mistral-small-3-1 sin habilitar pensar para ejecutar Mistral Small 3.1. Cada página de modelo lista sus propios parámetros.
Preguntas frecuentes
¿Qué modelo leyó los documentos con mayor precisión?
En estas tres páginas limpias, las cuatro transcribían correctamente cada campo, oración, celda de tabla y ecuación. Diferían en cabeceras y números de página: LightOnOCR-3 4B y Gemma 4 26B-A4B mantenían los siete, Qwen3.5 4B cuatro y Mistral Small 3.1 uno.
¿Pueden los modelos de chat leer un PDF?
No directamente: Qwen3.5 4B, Gemma 4 26B-A4B y Mistral Small 3.1 toman imágenes, así que primero hay que renderizar un PDF en imágenes de página. LightOnOCR-3 4B toma un PDF de hasta 50 MB y lee hasta 1.000 de sus páginas en una sola solicitud.
¿Cuánto cuesta una página?
LightOnOCR-3 4B cuesta $3.00 por cada 1.000 páginas con un mínimo de 5 páginas por solicitud, así que una página cuesta $0.015 y un PDF de 100 páginas $0.30. En esta prueba, una página costaba bajo $0.0002 en Qwen3.5 4B y Gemma 4 26B-A4B, que facturan por token, y $0.0019 en Mistral Small 3.1, que factura por mensaje.
¿Necesita LightOnOCR-3 4B un aviso?
No. Toma el documento y opciones como Páginas y table_format, y devuelve la misma estructura para cada página.
Pruébalo
Playground Silencio Modelos OCR Silencio Precios Silencio Guía OCR de documentos
Divulgación: Este artículo fue escrito con asistencia AI y revisado por EmpirioLabs AI.
