Un decodificador universal de documentos
NuExtract3 es un modelo de pesos abiertos que lee documentos visualmente estructurados — piense en facturas escaneadas, formularios PDF, recibos o informes a varias columnas — y los convierte en formatos limpios y legibles por máquina. Toma una imagen o una captura de pantalla y puede producir Markdown (con tablas descritas en HTML) o JSON que sigue una plantilla proporcionada por el usuario. Publicado bajo la licencia Apache‑2.0 por Numind, sucede al modelo anterior NuMarkdown y está dirigido a cualquiera que necesite extraer datos estructurados de páginas desordenadas y con mucho diseño. Como herramienta “local‑first”, puede ejecutarse en su propio hardware, evitando costos de nube y preocupaciones de privacidad. Su objetivo de diseño es sencillo: reemplazar los frágiles pipelines de OCR de código cerrado por un único modelo que entiende tanto el texto como el diseño.
El genoma de NuExtract3
Bajo el capó, NuExtract3 está construido sobre Qwen3.5‑4B, un modelo de visión‑lenguaje de 4 mil millones de parámetros. El entrenamiento tomó solo tres días en un único nodo de ocho GPUs NVIDIA H100, con un enfoque deliberado en maximizar la longitud de contexto para que se puedan procesar documentos largos. Para la conversión a Markdown, el equipo recomienda el procesamiento página por página para mantener una alta velocidad y permitir la paralelización. El modelo acepta tanto indicaciones de texto como entradas visuales — páginas PDF, capturas de pantalla, formularios — y puede generar salidas en dos formas: Markdown que puede incluir código de tabla HTML, o JSON estructurado siguiendo un esquema definido por el usuario. El tamaño de 4 mil millones de parámetros logra un equilibrio entre capacidad y eficiencia, permitiendo que el modelo se ejecute incluso en hardware de consumo cuando se utilizan versiones cuantizadas.
El tipo exacto de lanzamiento de modelo aburrido
Un miembro de la comunidad describió NuExtract3 como “el tipo exacto de lanzamiento de modelo aburrido que termina siendo útil”. Ese comentario captura su ambición silenciosa. No hay una página de demostración llamativa; en cambio, hay activos prácticos inmediatos: pesos en formato safetensors, una gran cantidad de cuantizaciones GGUF (GPTQ, W8A8, FP8, Q4, Q6 y más), e incluso pesos MLX para Apple Silicon. Con un mínimo de solo 4 GB de VRAM, las versiones cuantizadas más pequeñas llevan la extracción de documentos a laptops modestas. La disponibilidad desde el primer día de estos formatos fue muy apreciada porque permite a los desarrolladores integrar el modelo directamente en pipelines locales con herramientas como vLLM, SGLang o llama.cpp. Aburrido, quizás — pero para cualquiera que haya lidiado con tareas de extracción complejas, este es el tipo de lanzamiento silencioso que silenciosamente se vuelve indispensable.
Tablas que no se desmoronan
Las tablas en documentos escaneados son notoriamente frágiles: un solo carácter de tubería faltante en Markdown puede colapsar toda la estructura. NuExtract3 evita ese problema elegantemente usando HTML‑dentro‑de‑Markdown para las tablas. Este enfoque preserva cada celda combinada, cada encabezado de varias líneas y cada alineación intrincada exactamente como aparece en la página. Un evaluador escribió que fue el primer modelo que probó que manejó la extracción de tablas complejas de fábrica sin necesidad de correcciones posteriores — superando a motores de OCR dedicados como Paddle y GLM. La tabla HTML actúa como un andamio robusto; en lugar de intentar aplanar una tabla en una cuadrícula dispersa, el modelo captura el diseño real y permite que las herramientas posteriores lo rendericen fielmente. Para pipelines que alimentan bases de datos o bases de conocimiento, esta fidelidad ahorra horas de reparación manual.
Preguntas que la comunidad está haciendo
El entusiasmo ha generado una ola de preguntas prácticas que permanecen abiertas. ¿Puede manejar diseños a varias columnas, barras laterales, notas al pie y escritura a mano? ¿Cómo se desempeña en artículos académicos y periódicos digitales? ¿Alucina valores para claves JSON faltantes, o devuelve null de manera confiable? El OCR en chino para subtítulos incrustados en video y formularios escaneados con anotaciones escritas a mano son puntos débiles conocidos que aún no han sido respondidos públicamente. También se plantearon comparaciones con herramientas dedicadas como MinerU o Docling, y el potencial para reemplazar bibliotecas de scraping de páginas web como trafilatura. Varios usuarios vieron un uso comercial inmediato: uno imaginó un servicio que convierte formularios físicos en bases de datos digitales, vendiendo la funcionalidad a empresas como ClickUp o Monday.com. La conversación revela una comunidad ansiosa por mapear los límites del modelo y convertirlo en un bloque de construcción para flujos de trabajo del mundo real.
Cómo ejecutarlo usted mismo
Desplegar NuExtract3 está diseñado para ser de baja fricción.
Los pesos vienen en formato safetensors, así como una amplia selección de cuantizaciones GGUF y pesos MLX.
El requisito mínimo de VRAM es de 4 GB gracias a la cuantización agresiva, lo que lo hace viable en GPUs de nivel básico.
Los motores de inferencia probados incluyen vLLM, SGLang y llama.cpp; usar --load-format safetensors con vLLM acelera la carga de puntos de control multi‑shard entre 4 y 7 veces.
Una peculiaridad: si vLLM tiene problemas con el prefijo de peso Qwen3.5 VLM, eliminar el prefijo model.language_model.* del archivo safetensors o quitar la clave mrope_section_size de config.json resuelve el problema.
El soporte oficial para Ollama está ausente en el lanzamiento — los mantenedores citan reservas sobre el motor de plantillas de chat de Ollama — aunque el interés de la comunidad es alto y parece probable un port futuro.
Lo que viene
Numind ha enviado un artículo sobre NuExtract3 a una revista con revisión por pares; aún no está en arXiv. Mientras tanto, puede explorar el modelo de inmediato a través de varios canales oficiales: una publicación de blog que detalla el lanzamiento, la tarjeta de modelo en Hugging Face, una colección de recursos relacionados y una demostración gratuita en línea que no requiere registro. Existe un servidor Discord para discusiones más profundas. La combinación de una licencia abierta, baja barrera de hardware y manejo robusto de tablas posiciona a NuExtract3 como un candidato serio para cualquiera que construya pipelines de comprensión de documentos — desde investigadores hasta fundadores de SaaS. A medida que la comunidad lo someta a pruebas de estrés en casos límite, las respuestas a esas preguntas abiertas mostrarán hasta dónde puede llegar este modelo “aburrido”.
