Funcionalidades
- Formatos de entrada: PDF, PPTX, DOCX, XLSX, HTML, EPUB e imágenes.
- Formatos de salida: Markdown, JSON con cajas delimitadoras, HTML y chunks para RAG.
- OCR: Surya VLM, compatible con documentos escaneados multilingües.
- Extracción de tablas: TableConverter reconstruye tablas en Markdown y JSON.
- GPU opcional: funciona en GPU, CPU o Apple MPS.
- API Datalab: cupo gratuito mensual (el README cita unas 5 000 páginas de conversión; ver datalab.to/pricing); planes de pago para mayor volumen.
Instalar Marker
- Local (Python):
pip install marker-pdfpara PDF; `pip install marker-pdf[full]` para otros formatos (PPTX, DOCX, XLSX, HTML, EPUB). - Servidor Surya: en el primer uso, Surya inicia un servidor de inferencia local; necesita Docker con vllm y el NVIDIA Container Toolkit en GPU NVIDIA, o el binario llama.cpp
llama-serveren CPU y Apple Silicon. - API Datalab: crea una cuenta en datalab.to; cupo gratuito mensual (ver datalab.to/pricing).
- Código fuente: github.com/datalab-to/marker (código: Apache-2.0).
Flujo de datos
- Por defecto, Marker procesa los documentos en tu equipo. El modo opcional --use_llm puede enviar contenido al proveedor de LLM que configures (por defecto gemini-3.5-flash; también se admiten Claude, compatibles con OpenAI, Azure, Vertex, OpenRouter y Ollama). El README no indica cuándo se descargan los pesos del modelo; prevé una descarga durante la instalación.
- La API Datalab sube documentos a servidores externos: revisa las condiciones antes de enviar documentos confidenciales.
- Para cargas de trabajo sensibles, ejecuta Marker en local sin --use_llm.
Licencia y precio
- Licencia: el código es Apache-2.0; los pesos del modelo usan una licencia AI Pubs Open RAIL-M modificada, gratis para investigación y uso personal y para organizaciones con no más de 5 millones de USD de ingresos brutos en el año anterior y no más de 5 millones de USD de financiación total obtenida. Las organizaciones mayores necesitan una licencia comercial de Datalab, y la licencia prohíbe su uso en productos o servicios que compitan con Datalab.
- Uso local: sin cuenta; gratis dentro de los términos de la licencia de los pesos indicada arriba.
- API Datalab: cupo gratuito mensual (el README cita unas 5 000 páginas de conversión; la página de precios lo indica en dólares: 20 $/mes con correo de trabajo, 10 $ con correo personal); condiciones vigentes en datalab.to/pricing.
📌Nota: Advertencia: revisa la licencia de los pesos del modelo antes de usarlo comercialmente. Solo el código de Marker es Apache-2.0. Los pesos usan una licencia AI Pubs Open RAIL-M modificada; las organizaciones con más de 5 millones de USD de ingresos brutos o de financiación total necesitan una licencia comercial de Datalab.
Competidores y alternativas
- Docling — MIT de IBM; servidor MCP documentado (paquete aparte docling-mcp) y más formatos de salida.
- MinerU — open source con la MinerU Open Source License (Apache 2.0 más condiciones adicionales; revisa antes de uso comercial); salidas Markdown, HTML y LaTeX.
- Unstructured — biblioteca ETL de Python; amplio soporte incluyendo correos.
- OpenDataLoader PDF — analizador solo de PDF con SDK de Python, Node.js y Java; salidas JSON con cajas delimitadoras, Markdown y HTML.
Preguntas frecuentes
¿Es Marker gratuito para uso comercial?
Depende de tu organización. El código es Apache-2.0, pero los pesos del modelo usan una licencia AI Pubs Open RAIL-M modificada: gratis para investigación y uso personal y para organizaciones con no más de 5 millones de USD de ingresos brutos en el año anterior y no más de 5 millones de USD de financiación total obtenida. Las organizaciones mayores necesitan una licencia comercial de Datalab, y la licencia prohíbe su uso en productos o servicios que compitan con Datalab. Revisa la licencia del modelo antes de usarlo comercialmente.
¿Cuál es la diferencia entre Marker y Docling?
Ambos convierten PDFs localmente. Marker usa Surya OCR para Markdown limpio; Docling (MIT, IBM) tiene un servidor MCP documentado (paquete aparte docling-mcp) y más formatos de salida.
¿Marker necesita GPU?
No. Surya VLM funciona en CPU. La GPU acelera el procesamiento pero no es obligatoria.
¿Cómo instalo Marker?
pip install marker-pdf en un entorno Python 3.10+ (`pip install marker-pdf[full]` para formatos distintos de PDF). También requiere PyTorch. En el primer uso, Surya inicia un servidor de inferencia local: necesita Docker con vllm y el NVIDIA Container Toolkit en GPU NVIDIA, o el binario llama.cpp llama-server en CPU y Apple Silicon.
¿Marker procesa PDFs escaneados?
Sí. El modelo Surya VLM gestiona la OCR de documentos escaneados y PDFs imagen.
¿Qué formatos produce Marker?
Markdown, JSON con cajas delimitadoras, HTML y chunks para RAG.
¿Marker tiene servidor MCP?
El README de Marker no menciona un servidor MCP, así que no hay ninguno documentado. Si necesitas una integración documentada con asistentes de IA, considera Docling, que indica una.
¿Qué es la API Datalab?
Servicio alojado de Datalab, la empresa que desarrolla Marker. Cupo gratuito mensual (el README cita unas 5 000 páginas de conversión; la página de precios lo indica en dólares: 20 $/mes con correo de trabajo, 10 $ con correo personal); condiciones vigentes en datalab.to/pricing.
¿Marker extrae tablas?
Sí. TableConverter reconstruye tablas en Markdown y JSON según el README.
¿Cuál es la versión actual?
v2.2.0, lanzada el 12 de noviembre de 2026 (GitHub Releases). Verificado el 15 de noviembre de 2026.
Fuentes
- github.com/datalab-to/marker (consultado 2026-11-15).
- datalab.to (consultado 2026-11-15).
