Marker è un convertitore di documenti open source di Datalab che trasforma PDF, immagini, file Office ed EPUB in Markdown, JSON, HTML o blocchi per il RAG. Il codice è Apache 2.0, i pesi dei modelli usano una licenza OpenRAIL-M modificata, gratuita per ricerca, uso personale e startup sotto i 5 M$ di finanziamenti o ricavi, e il progetto ha circa 40.500 stelle su GitHub (Marker su GitHub, consultato il 15 ottobre 2026).
È veloce e capace, e Datalab, l'azienda che lo sostiene, vende anche una piattaforma ospitata. Se cerchi un'alternativa a Marker, anyformat risolve un problema adiacente: estrazione validata rispetto a uno schema, avvolta in orchestrazione dei workflow, revisione umana e un servizio gestito.
anyformat è elaborazione agentica di documenti pronta per l'enterprise: un OCR agentico che trasforma qualsiasi documento in dati di cui ti puoi fidare, dove ogni valore è validato e cita la sua fonte. È pensato per aziende con esigenze serie di sicurezza, scala e audit, quindi lo usano i responsabili dei processi e i loro team IT insieme agli sviluppatori che lo valutano e lo integrano.
Descrivi i campi una volta sola come schema. Parse legge il documento, Extract restituisce ogni valore con un punteggio di confidenza e la sua posizione nella pagina, Validate esegue le tue regole e i valori a bassa confidenza vanno a un revisore nello stesso workflow, tramite l'API, gli SDK Python e TypeScript o lo Studio senza codice. Ogni valore porta la sua evidenza, regge sui documenti difficili, è un'azienda europea con ISO 27001 e GDPR, e il prezzo copre l'intero workflow, non solo l'estrazione. Rispetto a un convertitore che gestisci tu, estrazione, revisione e validazione sono già incluse.
La misura che conta è quanti documenti passano senza che nessuno li tocchi, e i team vanno in produzione in giorni, non in trimestri, con SDK, template e evals per misurare l'accuratezza strada facendo.
Cos'è Marker e cosa aggiunge Datalab
Marker legge un documento e restituisce il suo contenuto: tabelle, equazioni, link, blocchi di codice e immagini, con intestazioni e piè di pagina rimossi per impostazione predefinita. Offre una riga di comando, un'API Python, un'app Streamlit e un piccolo server API che il suo stesso README definisce "not a very robust API", e una modalità opzionale --use_llm che invia i casi difficili a un modello come Gemini, Claude o Ollama. L'OCR passa da Surya, un altro modello di Datalab.
Datalab trasforma la stessa tecnologia in una piattaforma ospitata: Convert per documenti in Markdown, HTML o JSON con bounding box per parola; Extract per campi rispetto a uno schema; Segment per dividere file combinati; Eval e Monitor per misurare la qualità nel tempo; e pipeline versionate che concatenano questi passaggi (Datalab, consultato il 15 ottobre 2026). Tra i clienti citati ci sono Anthropic, ElevenLabs e Siemens Healthineers.
Quindi il vero confronto è con due cose: lo strumento open source, che gestisci tu, e la piattaforma ospitata, che gestisce Datalab.
Personalizzazione e approccio all'estrazione
Il lavoro di Marker è la conversione, e il suo output è un documento che un passaggio successivo trasforma in campi. L'Extract ospitato di Datalab va oltre: estrae campi specifici e restituisce "citations back to source bounding boxes for auditability" (documentazione di Datalab, consultata il 15 ottobre 2026).
anyformat estrae rispetto a uno schema definito dall'utente in zero-shot e restituisce JSON validato, con campi di documento e di tabella dichiarati insieme e restituiti in un'unica chiamata. Ogni campo porta un punteggio di confidenza e una citazione visiva che indica la sua posizione esatta nella pagina.
Confidenza: quanto bene ha letto rispetto a se il valore è giusto
Le pagine che abbiamo letto descrivono citazioni ai riquadri di origine nell'Extract di Datalab e punteggi di confidenza per regione nella sua demo di Chandra. Non descrivono una confidenza per ogni valore estratto, quindi un processo di revisione non ha nulla su cui instradare a livello di campo, a meno che tu non lo costruisca.
anyformat restituisce una confidenza per ogni campo estratto, con l'evidenza della fonte accanto, così una soglia decide quali valori passano e quali vanno a un revisore all'interno dello stesso workflow. Per vedere come questi punteggi vengono calcolati e letti, consulta come funziona la confidenza.
Benchmark: dove è in testa ciascuno
Nella classifica indipendente ParseBench, letta il 15 ottobre 2026, anyformat (Standard) ha ottenuto 80,30 complessivo, quinta su 147 voci. L'API ospitata di Datalab ha ottenuto 69,95 in modalità Accurate (44ª posizione), 69,51 in Balanced (48ª) e 67,79 in Fast (57ª). Datalab è l'azienda dietro Marker. ParseBench è pubblicato da LlamaIndex, che vende anche un prodotto di parsing in testa alla propria classifica.
I punteggi per categoria mostrano la divisione, con la modalità Accurate di Datalab a confronto con anyformat:
Datalab è avanti su tabelle e sull'ancoraggio dei valori alla pagina; anyformat è avanti su grafici, formattazione e fedeltà. Il README di Datalab riporta un altro benchmark, olmocr-bench, dove la modalità balanced di Marker ottiene 76,0 e il suo Chandra 2 ospitato 85,8 (Datalab, dichiarato dal fornitore). I benchmark misurano il parsing, non l'estrazione rispetto al tuo schema, per questo il vero confronto è una prova sui tuoi documenti.
Nel nostro test pratico di strumenti da PDF a markdown, Marker ha letto i PDF di testo con una tabella corretta e le due colonne in ordine, tranne un'intestazione omessa. Su un Mac senza GPU non è riuscito a convertire una pagina scansionata finché non è stato installato un binario aggiuntivo, e su un PDF di 40 pagine con lo stesso testo in ogni sezione ha omesso il corpo delle sezioni da 2 a 40. Non abbiamo installato il binario né trovato la causa del secondo caso, quindi trattali come osservazioni, non come verdetti (PDF to markdown per LLM, 30 settembre 2026).
Accuratezza: lettura, struttura e valori
Nell'IA documentale l'accuratezza significa tre cose diverse. Leggere i caratteri e ricostruire la struttura (tabelle, ordine di lettura, formule) è dove Marker e Datalab sono più forti, e il punteggio sulle tabelle di ParseBench lo mostra. Mettere il valore giusto nel campo giusto è l'estrazione, ed è ciò che consuma il sistema a valle: un punteggio di conversione non dice se il totale della fattura è finito nel campo del totale, né se la riga 1.800 di una tabella lunga è sopravvissuta. Lo studio sui documenti lunghi di anyformat ha mantenuto circa il 99% di recupero delle righe su tabelle fino a 50 pagine e circa 2.400 righe (il nostro benchmark, 2026).
Se l'accuratezza decide la scelta, provala come la userai. Prendi da 50 a 100 documenti tuoi, estrai lo stesso schema con entrambi e valuta a livello di campo: corrispondenza esatta per identificativi e importi, recupero delle righe per le tabelle. Poi verifica se la confidenza di ciascun sistema prevede quali campi sono sbagliati, perché da questo dipende quanta revisione umana serve. La suite di evals di anyformat esegue questo tipo di confronto sui tuoi documenti prima che un workflow vada in produzione.
Prova entrambi sui tuoi documenti. Prova anyformat gratis, con una concessione una tantum di 50.000 crediti su Pay As You Go, oppure richiedi una demo.
Il codice di Marker è gratuito, ma i suoi pesi non lo sono per tutti: sopra i 5 M$ di finanziamenti o ricavi, l'uso commerciale richiede una licenza di Datalab (prezzi di Datalab, consultati il 15 ottobre 2026). Gestirlo costa anche infrastruttura: la modalità balanced vuole una GPU e quella CPU richiede un binario di server llama.cpp.
L'API ospitata di Datalab si fattura ogni 1.000 pagine: Convert costa 4 $ in modalità fast e balanced e 10 $ in accurate, ed Extraction va da 6 $ a 20 $ a seconda del livello, prima di costi aggiuntivi. Il piano Free include un'assegnazione mensile da 10 a 20 $, il piano Team costa 400 $ al mese e l'elaborazione nell'UE aggiunge il 25% (prezzi di Datalab, consultati il 15 ottobre 2026).
anyformat fattura a crediti, per pagina e per operatore: 10 crediti costano 0,01 €, quindi Parse costa 25 crediti a pagina (0,025 €, pubblicato come 25 $ ogni 1.000 pagine), Extract 35 crediti a pagina e Validate 5 crediti per regola di IA, una volta per estrazione (prezzi anyformat, 2026). Parse più Extract fanno 60 crediti, cioè 0,06 €, a pagina.
Sulla conversione Datalab costa meno a pagina, ed è una differenza reale. Le due cifre non riguardano lo stesso prodotto: il prezzo di anyformat include la coda di revisione, la validazione e l'orchestrazione che altrimenti dovresti costruire e gestire tu.
anyformat ha la certificazione ISO 27001, è conforme al GDPR ed è un'azienda con sede nell'UE e soggetto giuridico europeo, con la conformità inclusa in ogni piano e senza sovrapprezzo.
Marker, lo strumento open source, non ha certificazioni proprie: la conformità dipende da dove e come lo esegui. La piattaforma ospitata di Datalab elenca SOC 2 Type II, e il suo README descrive conservazione zero dei dati per impostazione predefinita e BAA personalizzati; per ISO 27001, termini GDPR e regioni di hosting, consulta direttamente i documenti di fiducia e di trattamento dei dati di Datalab, perché questa pagina non li riporta.
Workflow builder, revisione e validazione
Marker converte documenti. Datalab aggiunge pipeline versionate che concatenano i suoi processori, oltre a Segment, Eval e Monitor. Le pagine che abbiamo letto non descrivono un workflow builder no-code né una coda di revisione umana: il passaggio in cui una persona controlla un valore dubbio lo costruisci tu.
anyformat include Studio, una tela di workflow no-code: rami, condizioni, suddivisione di pacchetti multi-documento, instradamento, operatori di estrazione, regole di validazione, incrocio con fonti di dati interne e revisione umana collocata dove il processo la richiede. I campi a bassa confidenza vengono instradati a un revisore, che vede il valore accanto alla sua fonte nella pagina e può correggerlo. I team operativi modificano il flusso senza rilasciare codice.
Stabilità delle versioni
Con uno strumento open source fissi tu la versione del pacchetto e i modelli scaricati, e con un'API ospitata segui gli aggiornamenti di modello del fornitore; Datalab vende Monitor proprio per individuare regressioni tra di essi.
Le versioni dei workflow di anyformat sono fissate e immutabili: un version_id pubblicato non cambia sotto i tuoi piedi, il che conta quando un processo regolamentato deve rielaborare un documento in modo identico anni dopo.
Sì, se vuoi che l'estrazione funzioni come un processo e non come una chiamata: output validato rispetto a uno schema con confidenza per campo, coda di revisione, regole di validazione, orchestrazione no-code e workflow con versione fissata, senza gestire tu modelli e GPU. Se vuoi Markdown dai documenti al minor prezzo per pagina, o pesi aperti che puoi eseguire tu, dipende dal lavoro: Marker e Datalab lo fanno bene e anyformat non è un modo più economico per farlo. E se ti piace la conversione di Marker, i due possono convivere, perché lo strato che rende l'output sicuro per la produzione è quello che aggiunge anyformat.
Quando scegliere Marker
Conversione veloce e a basso costo in Markdown o JSON, con codice open source che puoi eseguire tu finché la tua azienda è sotto le soglie della licenza dei pesi, oppure l'API ospitata di Datalab quando vuoi conversione ed estrazione a pagina a una tariffa bassa.
Quando l'estrazione deve funzionare come un processo e non come una chiamata: confidenza per campo con evidenza, regole di validazione, revisione umana, orchestrazione no-code e versioni di workflow fissate, come servizio gestito. Inizia su anyformat.ai.
Guarda anche gli altri confronti: anyformat vs Docling, anyformat vs LlamaParse e anyformat vs Mistral OCR, oppure sfoglia tutti i confronti.
