Ir al contenido principal
PromptQuorumDiseñado para humanos. Estructurado para la IA.
Inicio/LLM locales avanzados
RAG & Document Chat

Reseña de Xberg: inteligencia documental de código abierto para pipelines de LLM y RAG

·8 min de lecturaPor Hans Kuepper · Fundador de PromptQuorum · Motor de descubrimiento de IA de pesos abiertos y código abierto

Xberg es un motor de inteligencia documental con licencia MIT, escrito en Rust, que extrae texto, tablas, metadatos y datos estructurados de unos 107 formatos de archivo, páginas web, audio y código fuente. Se usa mediante uno de sus 15 bindings de lenguaje, una CLI, un servidor REST o un servidor MCP; es una biblioteca para desarrolladores, no una aplicación de escritorio.

Conclusiones clave

  • La biblioteca es gratuita con licencia MIT; el desarrollador también vende Pro, Enterprise y una Platform gestionada, ninguna con precios públicos
  • Es el cambio de marca de Kreuzberg, reconstruido bajo una nueva línea v1, así que los artículos antiguos sobre Kreuzberg describen el mismo motor
  • Requiere terminal o código: no hay instalador de escritorio y la instalación es un comando por lenguaje
  • Los rankings de velocidad y precisión provienen de los benchmarks del propio desarrollador y PromptQuorum no los reprodujo
  • La documentación no aclara si funciona totalmente sin conexión, si descarga modelos en la primera ejecución o si envía telemetría

📍 En una frase

Xberg convierte documentos, páginas web, audio y código en Markdown y datos estructurados listos para LLM, y su núcleo de código abierto se ejecuta en tu propia CPU.

💬 En términos simples

Xberg lee casi cualquier archivo que le des y devuelve texto limpio, tablas y metadatos que un modelo de lenguaje o un índice de búsqueda pueden usar. Lo instalas como una biblioteca de programación normal o lo ejecutas como un pequeño servidor. Si quieres que extraiga campos estructurados con un modelo de lenguaje, puedes apuntarlo a un modelo que se ejecute en tu propio ordenador.

Leer en:
🇺🇸en🇩🇪de🇫🇷fr🇯🇵ja🇨🇳zh🇪🇸es🇧🇷pt🇸🇦ar🇰🇷ko

Xberg (xberg.io, documentación en docs.xberg.io, código en github.com/xberg-io/xberg) es un motor de inteligencia documental que convierte archivos, páginas web, audio y código en Markdown y otras salidas estructuradas. Tiene lugar en un directorio de IA local porque los pasos de extracción, OCR y análisis de diseño se ejecutan en tu propia CPU y su extracción con LLM puede conectarse a Ollama, LM Studio o vLLM en lugar de a un modelo en la nube. Esta reseña explica qué hace Xberg, qué se ejecuta en local y qué no, cómo se instala y para quién es adecuado.

Reseña de Xberg: inteligencia documental de código abierto para pipelines de LLM y RAG

¿Qué es Xberg?

Xberg es un motor de inteligencia documental: le indicas un archivo, una URL, un archivo comprimido o un árbol de código fuente, y devuelve texto limpio, tablas, metadatos y datos estructurados en un formato que un LLM o un índice de búsqueda pueden usar directamente. Su README lo describe como "the fast, precise document-intelligence engine — for every language."

  • Tipo de producto: un núcleo en Rust con 15 bindings de lenguaje, una CLI de 14 comandos, una API REST (xberg serve), un servidor MCP, una imagen de Docker y un chart de Helm
  • Repositorio: github.com/xberg-io/xberg, 9.000+ estrellas, creado en enero de 2025, verificado con la API de GitHub
  • Linaje: el README afirma que Xberg "is the next iteration of Kreuzberg" y que es el mismo motor "rebuilt and rebranded under a fresh v1 line"; la antigua dirección kreuzberg-dev/kreuzberg ahora redirige aquí, y sigue existiendo un repositorio aparte, kreuzberg-lts
  • Licencia: MIT, según el archivo LICENSE del repositorio
  • Desarrollador: el sitio muestra la marca "Xberg" y la organización de GitHub xberg-io; su aviso legal indica una dirección en Berlín (Alemania) y nombra a una persona responsable del sitio, pero no el nombre de una entidad legal ni un número de registro

¿Qué puedes hacer con Xberg?

Xberg reúne los pasos de un pipeline de documentos en un solo motor. Algunas funciones son feature flags opcionales que los paquetes precompilados y la imagen de Docker incluyen por defecto.

  • Extraer — lee PDF, archivos de Office, imágenes, HTML, correo electrónico, libros electrónicos, artículos científicos y datos estructurados, con detección de MIME y límites para entradas grandes
  • OCR — backends de Tesseract, PaddleOCR, Candle o modelos de visión y lenguaje, con cadenas de respaldo y puntuaciones de confianza
  • Diseño y tablas — modelos de ML de diseño y estructura de tablas reconstruyen el orden de lectura y las cuadrículas de celdas en Markdown
  • Transcribir — voz a texto para audio MP3, M4A, WAV, WebM y MP4 mediante modelos Whisper ONNX (feature flag)
  • Descargar URL — extrae una página web o rastrea y sigue enlaces mediante el motor crawlberg (feature flag)
  • Descomprimir archivos — recorre archivos zip, tar, gz y 7z anidados, con límites contra zip bombs, de ratio de compresión y de profundidad de anidamiento
  • Inteligencia de código — funciones, clases, importaciones y símbolos de 371 lenguajes de programación, con fragmentación sensible a la sintaxis para RAG
  • Embeddings y enriquecimiento — embeddings ONNX locales o de proveedores alojados, reordenación, extracción de entidades y palabras clave, resumen, traducción y redacción de datos sensibles
  • Extracción estructurada — JSON guiado por esquema desde un LLM local o alojado
  • Salida — texto plano, Markdown, Djot, HTML, un árbol JSON o Docling DocTags

Qué se ejecuta en local y qué no

La extracción, el OCR, el diseño y los embeddings ONNX se ejecutan en tu propia CPU; la red interviene solo si eliges un proveedor alojado, descargas una URL o usas la demo en vivo del desarrollador. La documentación describe el motor como orientado a CPU, sin necesidad de GPU.

  • CPU: en x86_64, las funciones basadas en ONNX (PaddleOCR, detección de diseño, embeddings, reordenación, transcripción) necesitan AVX/AVX2 y pueden fallar sin ellas; ARM no se ve afectado
  • Plataformas: los binarios precompilados cubren Linux (x86_64, aarch64), Windows y Apple Silicon; los Mac con Intel solo tienen paquetes precompilados para la CLI y el wheel de Python
  • Versión para navegador: el paquete de WebAssembly funciona en navegadores, Deno, Cloudflare Workers y Node.js 22 o posterior, sin las funciones de LLM y VLM

Extracción, OCR, diseño

Dónde se ejecuta:
En tu CPU, en el mismo proceso o en tu propio servidor

Embeddings y reordenación

Dónde se ejecuta:
Modelos ONNX locales o un proveedor alojado que configures

Extracción estructurada

Dónde se ejecuta:
Ollama, LM Studio o vLLM en local, o un LLM alojado

Descarga y rastreo de URL

Dónde se ejecuta:
Requiere acceso de red al sitio de destino

Demo en vivo del sitio de documentación

Dónde se ejecuta:
Los archivos pasan por la API del desarrollador

No verificado: la documentación no aclara si los modelos o motores de OCR se descargan en la primera ejecución, si el motor funciona totalmente sin conexión o si envía telemetría. Pruébalo en una copia aislada de la red antes de depender de ello.

Licencia de Xberg y ediciones comerciales

La biblioteca es gratuita con licencia MIT para uso personal, interno y comercial; el desarrollador también ofrece ediciones de pago sin precios publicados. Los detalles proceden de xberg.io y de su política de privacidad.

  • Xberg Pro: una edición autoalojada de un solo contenedor; Xberg Enterprise: una edición distribuida en Kubernetes con gobernanza y soporte
  • Xberg Platform: un backend gestionado con precio por uso o autoalojamiento; un programa de socios de diseño solo por invitación ofrece precios bloqueados durante 24 meses
  • Privacidad del sitio web: la política, con fecha del 21 de mayo de 2026, nombra a "Xberg" como responsable del tratamiento sin nombrar una entidad legal, y dice que la analítica solo se activa con consentimiento de cookies
  • La política no dice nada sobre si la biblioteca de código abierto envía datos al desarrollador

¿Para quién es Xberg?

Xberg encaja con desarrolladores que necesitan convertir muchos tipos de documentos en texto limpio y estructurado y prefieren llamar a un solo motor en lugar de combinar bibliotecas separadas de PDF, OCR y diseño.

Usa Xberg si

  • Construyes pipelines de RAG, búsqueda o agentes que ingieren PDF, escaneos, archivos de Office, correo electrónico o audio
  • Quieres extraer en tu propio hardware, desde tu lenguaje, como biblioteca, servidor o herramienta MCP
  • Necesitas extracción de campos con LLM mediante un servidor de modelos en tu propio hardware

Busca otra opción si

  • Quieres una aplicación de apuntar y hacer clic para chatear con tus documentos
  • Necesitas hoy garantías documentadas de funcionamiento sin conexión y de telemetría
  • Necesitas un proveedor con entidad legal identificada y precios empresariales publicados

Competidores y alternativas

El directorio no lista ningún otro motor de extracción de documentos, así que las reseñas más cercanas de la misma categoría son herramientas que descargan o consumen contenido en lugar de convertir archivos. Xberg va antes que ellas: produce texto limpio y estructura, y ellas lo almacenan, lo buscan o actúan sobre él.

Firecrawl

Conocida por:
Convertir sitios web en Markdown o JSON listo para LLM
Artículos sobre Firecrawl (2)

Cognee

Conocida por:
Memoria autoalojada a largo plazo para agentes mediante un grafo de conocimiento

txtai

Conocida por:
Base de datos vectorial y de LLM integrada en una sola biblioteca
Artículos sobre txtai (2)

También mencionado en:

Consulta el Directorio de software de LLM locales para ver el catálogo completo, incluida la ficha de Xberg.

Comparar en el directorio

Preguntas frecuentes

¿Puede Xberg funcionar como servidor MCP?

El README menciona un servidor MCP junto a la CLI y la API REST. Esta reseña no lo ejecutó, así que consulta la documentación para ver el comando de inicio exacto.

¿Puedo usar Xberg en un navegador?

Sí, mediante el paquete de WebAssembly, que también funciona en Deno, Cloudflare Workers y Node.js 22 o posterior. No incluye las funciones de LLM y VLM.

¿Funciona en un Mac con Intel?

En parte. Solo existen paquetes precompilados para la CLI y el wheel de Python, y la documentación describe el soporte para Intel como de mejor esfuerzo y con retirada prevista.

¿Debo subir archivos confidenciales a la demo en vivo?

No. La demo envía los documentos a través de la API del desarrollador, así que usa una instalación local para cualquier contenido sensible.

¿Desde qué lenguajes se puede llamar a Xberg?

Python, TypeScript y Node.js, WebAssembly, Rust, Go, Java, Kotlin en Android, C#, Ruby, PHP, Elixir, Dart y Flutter, Swift, Zig y C mediante una FFI.

¿Ha probado PromptQuorum Xberg?

No. Esta reseña se basa en el sitio oficial, la documentación, la política de privacidad, el repositorio de GitHub y los datos de versiones, no en benchmarks propios.

Fuentes

← Volver a LLM locales avanzados

MCP