Firecrawl: nuestra opinión
Firecrawl transforma un sitio en páginas Markdown listas para alimentar un modelo de lenguaje, además de una capa de extracción estructurada mediante IA. La limpieza de contenido es mecánica; es sobre todo esta segunda capa la que justifica la palabra «IA».
Lo que sacamos en claro
Lo que juega a favor
- Diseñado para RAG: la salida en Markdown limpio evita el trabajo de limpieza que impone un scraper de HTML en bruto antes de cargar el contenido en un modelo.
- Facturación por crédito, una unidad por página, lo que hace previsible el coste de un sitio antes de lanzar el rastreo.
- Prohibición explícita en las condiciones de usar el servicio para fines contrarios al RGPD o al CCPA: la cláusula existe, algo que no es habitual entre sus competidores.
Lo que juega en contra
- Servidores situados únicamente en Estados Unidos: la propia política de privacidad advierte a los residentes europeos de que sus datos viajan fuera de su país.
- La política de privacidad no dice nada sobre el uso de los datos para entrenar un modelo: ni prohibición ni autorización por escrito, un silencio que hay que anotar, no rellenar por suposición.
- Las condiciones no imponen explícitamente el respeto del robots.txt ni de las condiciones del sitio objetivo: la obligación se deduce de una cláusula general de cumplimiento de la ley, no de una cláusula dedicada al scraping.
Útil para preparar datos limpios para un uso RAG legítimo sobre contenidos que tiene derecho a tratar. A descartar si el alojamiento debe permanecer en Europa, o si busca una política explícita sobre el entrenamiento de modelos.
Los hechos
- Primer nivel de pago
- 16 $/mes — Hobby, facturado anualmente
- Alojamiento de datos
- Datos en Estados Unidos · fuente
- Datos verificados el
- 30 de julio de 2026
Qué pasa con sus datos
- ¿Sus datos se usan para entrenar sus modelos?
- No verificado
- Subencargados
- Cuatro nombrados en la política de privacidad: Stripe (pago), PostHog (analítica de producto), Crisp (atención al cliente) y Vercel Analytics (medición de audiencia). No se publica ninguna lista exhaustiva más allá.
- Conservación
- Los datos personales se conservan «hasta solicitud escrita de eliminación»: no se fija ninguna duración por defecto en el texto consultado.
Firecrawl en detalle
Firecrawl parte de un problema concreto: un scraper clásico devuelve HTML lleno de menús, banners y scripts, inutilizable tal cual para alimentar un modelo de lenguaje. Firecrawl convierte una página o un sitio entero en Markdown limpio, y añade encima una capa de extracción estructurada gobernada por IA.
Qué hace en concreto
Coexisten tres usos. El scrape y el crawl básicos recorren un sitio y devuelven cada página en Markdown limpio: una operación mecánica de conversión, no un trabajo de IA. La extracción estructurada, en cambio, toma una instrucción en lenguaje natural —«el precio, la fecha de lanzamiento, la valoración»— y un modelo de lenguaje se encarga de localizar esa información en la página, incluso cuando su ubicación cambia de un sitio a otro. La función más reciente, el agente, va más allá: describir lo que se quiere sin siquiera dar una URL, y el servicio busca, recorre y devuelve un JSON. Es este tercer componente el que más pesa en el precio: se factura por token, no por página.
Por qué el asunto es jurídico antes que técnico
Alimentar un modelo con contenido web plantea la misma pregunta que cualquier extracción: quién tiene derecho a recopilar qué. Las condiciones de Firecrawl exigen un uso conforme a las leyes aplicables y prohíben explícitamente cualquier uso contrario al RGPD o al CCPA, una cláusula que no todos sus competidores muestran con la misma claridad. Sin embargo, no contienen ninguna obligación específica de respetar el robots.txt del sitio objetivo: esa obligación se deduce, no se enuncia. El robots.txt y las condiciones del sitio recopilado siguen siendo la ley de facto, sea lo que sea lo que la herramienta permita técnicamente.
El punto de atención propio de Firecrawl es el alojamiento: los servidores están situados en Estados Unidos, y la política de privacidad lo dice sin rodeos, advertencia para los usuarios europeos incluida. Para un despacho o una administración que quiere mantener sus datos en Europa, este punto zanja el debate antes incluso de mirar el precio. Y sobre si el propio Firecrawl entrena un modelo con los contenidos recopilados, el silencio de la política es notable: ni prohibición ni autorización por escrito, algo que debería llevar a pedir una garantía contractual antes de cualquier uso sensible en lugar de suponer una respuesta.
Dónde falla
La documentación pública deja dos zonas grises: ninguna cláusula dedicada al robots.txt, y ningún compromiso sobre el entrenamiento de modelos. Añada el alojamiento exclusivamente estadounidense, y la elección se reduce rápido para cualquier estructura sujeta a una política de datos estrictamente europea.
Nuestra recomendación
Firecrawl conviene a un equipo que construye un asistente interno o una base de conocimiento en RAG a partir de contenidos públicos que tiene derecho a tratar, y que acepta un alojamiento estadounidense. No conviene a una estructura sujeta a una exigencia de alojamiento europeo, ni a quien busca una garantía por escrito sobre el entrenamiento de modelos; en ese punto, solo un acuerdo directo con el editor lo zanjaría, no la documentación pública.
Para quién sí, y para quién no
Adecuado
- Equipo que construye un asistente o una base de conocimiento interna (RAG) y necesita contenido web limpio en lugar de HTML en bruto
- Desarrollador que quiere un precio por página previsible en lugar de una suscripción de volumen fijo
A descartar
- Organización sujeta a una exigencia de alojamiento estrictamente europeo: Firecrawl aloja en Estados Unidos, punto final
- Quien necesite una garantía por escrito sobre la ausencia de entrenamiento de modelos: la política actual no zanja la cuestión
Preguntas frecuentes
- ¿Firecrawl usa IA para extraer los datos, o es solo un scraper?
- Las dos cosas, para dos usos distintos. Las funciones básicas (scrape, crawl) convierten una página en Markdown de forma mecánica, sin modelo de lenguaje. La función de extracción estructurada y el agente que responde a una consigna en lenguaje natural, en cambio, se apoyan en un modelo y se facturan de forma distinta, por token. No hay que confundir ambas cosas al evaluar el precio o la fiabilidad.
- ¿Se aplica el robots.txt del sitio que recopilo?
- Sí, sea cual sea la capacidad técnica de Firecrawl para ignorarlo. Las condiciones de uso exigen un uso conforme a las leyes y los compromisos contractuales aplicables, lo que incluye las condiciones publicadas por el sitio objetivo. La documentación consultada no contiene una cláusula dedicada al respeto del robots.txt: es un punto ciego que hay que comprobar uno mismo antes de una recopilación a gran escala.
- ¿Mis datos permanecen en Europa?
- No. La política de privacidad indica explícitamente que los servidores están situados en Estados Unidos y advierte a los usuarios europeos de que su información se transfiere fuera de su país de origen. Si el alojamiento europeo es una exigencia para su actividad, este punto elimina la herramienta de entrada.
- ¿Puedo recopilar direcciones de correo o perfiles con Firecrawl?
- Técnicamente sí, pero las condiciones prohíben explícitamente usar el servicio incumpliendo el RGPD o el CCPA. Una dirección de correo profesional nominativa sigue siendo un dato personal: recopilarla en masa supone una base legal por su parte, que la herramienta ni proporciona ni sustituye.
- ¿Cuánto cuesta Firecrawl para extraer 10.000 páginas al mes?
- El nivel Standard, a 83 dólares al mes facturado anualmente, incluye 100.000 créditos, una página por crédito para un scrape o un rastreo simple. Una extracción estructurada por IA o una búsqueda cuestan más créditos por llamada: el volumen de páginas por sí solo no basta para estimar la factura si usa la extracción.
Alternativas a Firecrawl
Recopilación de datos
Apify
Mercado de extractores web listos para usar, controlables por API.
Recopilación de datos
Diffbot
Plataforma de extracción de datos web que estructura automáticamente páginas y sitios en información utilizable para aplicaciones de IA.
Recopilación de datos
Zyte
Plataforma de extracción de datos web a escala, con API de scraping y servicio gestionado para objetivos complejos.
Nuestras fuentes
- Página de tarifas y créditosconsultada el 30 de julio de 2026
- Condiciones de uso (indemnización, RGPD/CCPA)consultada el 30 de julio de 2026
- Política de privacidad (alojamiento, subencargados, conservación)consultada el 30 de julio de 2026
Los precios y las condiciones de alojamiento cambian a menudo. Los revisamos periódicamente, pero la página del editor sigue siendo la única referencia actualizada.