Firecrawl lanza anydoc de código abierto para acelerar la ingestión de documentos por IA

Why it matters

Anydoc extends Firecrawl from web extraction into the files that feed RAG and agent systems. Open source drives adoption, while the hosted /parse endpoint captures paid workloads.

Firecrawl, fundada por Caleb Peffer (@CalebPeffer), Eric Ciarla (@ericciarla) y Nicolas Silberstein Camara (@nickscamara_), lanzó anydoc in a post on X el 4 de agosto, presentando el motor en Rust de código abierto como una forma más rápida de convertir documentos empresariales a Markdown para sistemas de IA.

Los fundadores de San Francisco han avanzado de forma constante hacia arriba en la pila de datos de IA. Anteriormente construyeron Mendable, un producto de chat de IA para documentación, y SideGuide, una herramienta de aprendizaje para desarrolladores. Peffer escribió en el anuncio de financiamiento de 2025 de Firecrawl que Mendable se enfrentó repetidamente al mismo problema de infraestructura: adquirir datos web limpios y estructurados obligaba a cada desarrollador de IA a ensamblar raspadores, proxies y sistemas de posprocesamiento. Firecrawl nació de la decisión de los fundadores de vender esa capa de datos directamente.

Anydoc extiende esa tesis desde sitios web hacia archivos. Firecrawl dice que el motor convierte PDFs, documentos Word, presentaciones y 10 formatos adicionales a Markdown. La compañía afirma una latencia de parseo por debajo de aproximadamente cinco milisegundos y dice que anydoc es totalmente de código abierto. Firecrawl no ha suministrado metodología de benchmark con el anuncio, por lo que la cifra de latencia sigue siendo una afirmación de rendimiento reportada por la compañía y no una comparación probada de forma independiente.

El lanzamiento también aclara qué hay debajo del producto de documentos alojado de Firecrawl. La compañía introdujo su /parse endpoint el 28 de abril para desarrolladores que suben documentos locales o no públicos. Esa API documentó previamente soporte para archivos PDF, DOCX, DOC, ODT, RTF, XLSX, XLS y HTML de hasta 50 MB, devolviendo Markdown, JSON estructurado o resúmenes mientras preserva el orden de lectura y las tablas.

Firecrawl ya describió /parse como usando un motor basado en Rust que era hasta cinco veces más rápido que su canalización anterior. Anydoc le da a ese motor una identidad independiente, agrega presentaciones a los formatos que Firecrawl promociona públicamente y convierte la capa de parseo en un canal de distribución de código abierto para la API de pago.

La afirmación de cinco milisegundos tiene límites

El parseo de documentos no sigue un único camino de ejecución uniforme. El texto incrustado limpiamente en un archivo de Office o PDF puede extraerse directamente. Páginas escaneadas, material manuscrito y diseños complejos pueden requerir reconocimiento óptico de caracteres y análisis de diseño, que implican costos de procesamiento sustancialmente distintos.

La anterior documentación de Fire-PDF describía un sistema que clasifica páginas individuales de PDF antes de seleccionar extracción directa o una ruta más pesada y consciente del diseño. La compañía reportó un procesamiento promedio por debajo de 400 milisegundos por página para esa canalización más amplia de PDF. Su documentación de /parse advierte por separado que los PDFs solo con imágenes pasan por OCR y que los resultados dependen de la calidad del escaneo. Por lo tanto, la nueva cifra por debajo de cinco milisegundos no debe interpretarse como latencia de extremo a extremo para todos los documentos soportados o cargas de trabajo de OCR.

Esa distinción importa para los desarrolladores que construyen generación aumentada por recuperación, búsqueda de documentos y flujos de trabajo de agentes. La velocidad del analizador en archivos limpios afecta el rendimiento de ingestión, mientras que el desempeño en tablas, escaneos y orden de lectura irregular determina si el contexto resultante es útil. Una conversión rápida que desordene una tabla financiera o la secuencia de diapositivas simplemente traslada el fallo aguas abajo hacia la recuperación y la salida del modelo.

Firecrawl entra en un mercado de análisis de documentos concurrido

Anydoc entra en un campo que ya incluye bibliotecas locales y servicios alojados. Docling, un proyecto de código abierto iniciado en IBM Research, soporta PDF, DOCX, PPTX, XLSX, HTML, imágenes y otros formatos, con exportación a Markdown o JSON. Otros desarrolladores pueden elegir APIs de documentos especializadas o ensamblar componentes de OCR y conversión por su cuenta.

La ventaja de Firecrawl es la distribución a través de una plataforma de datos más amplia. La misma cuenta y superficie de API ya pueden buscar, raspar y rastrear la web, interactuar con páginas y analizar archivos subidos. Al instalar anydoc detrás de /parse, Firecrawl puede usar el código abierto para atraer desarrolladores mientras vende ejecución alojada, controles de seguridad e infraestructura gestionada alrededor del motor.

Firecrawl tiene capital para perseguir esa expansión. Captó una Serie A de $14.5 millones liderada por Nexus Venture Partners en agosto de 2025, con la participación de Y Combinator, Zapier, Tobias Lutke, Abhinav Asthana y Matt McClure. Firecrawl actualmente reporta $16.2 millones en financiamiento total. La valuación no fue divulgada.

Anydoc empuja a Firecrawl más allá de su posición original como una API de raspado web. Peffer, Ciarla y Camara apuestan a que los desarrolladores preferirán una sola capa de ingestión tanto para sitios web en vivo como para los archivos que residen dentro de los sistemas de las empresas. Abrir el código del analizador reduce la barrera de adopción; enrutar el mismo motor a través de /parse le da a Firecrawl una vía para convertir esa adopción en uso de la API.