MinerU 2.5
MinerU 2.5 ir OpenDataLab 1.2B dokumentu parsēšanas modelis. Tas vispirms atrod izkārtojumu samazinātā lapas kopijā, tad nolasa katru reģionu pilnā izšķirtspējā.
Laidiens modelim MinerU.
- Izlaists
- 2025. gada septembrī
- Modeļa ID
- opendatalab/MinerU2.5-2509-1.2B
- Izmērs
- 1.2B vision-language modelis
- Licence
- AGPL-3.0
- Meklē arī kā
- mineru 2.5, mineru2.5, MinerU2.5-2509-1.2B
Kas jauns MinerU 2.5
- Divu posmu parsēšana: izkārtojuma analīze samazinātā lapā, tad atpazīšana pilnas izšķirtspējas izgriezumos.
- Precīzāka izkārtojuma analīze, kas saglabā galvenes, kājenes un lapu numurus.
- Labākas formulas, arī garas un vienādojumi, kas jauc ķīniešu un angļu valodu.
- Noturīgāks pret pagrieztām, bezrāmju un daļēji ierāmētām tabulām.
MinerU 2.5 etaloni
| Etalons | Rezultāts | Piezīme |
|---|---|---|
| OmniDocBench, kopā | 90.67 | 1.82 virs MonkeyOCR-pro-3B, 2.26 virs dots.ocr |
| OmniDocBench, teksta edit distance | 0.047 | dots.ocr: 0.048. Mazāk ir labāk |
| OmniDocBench, formulu CDM | 88.46 | |
| Caurlaidspēja | 2.12 pages/s | vLLM async engine, viens A100 |
Rezultāti, kā tos publicējuši autori. Mēs tos neesam atkārtojuši.
Izmantojiet MinerU 2.5 caur API
OCRRouter darbina citu MinerU laidienu kā opendatalab/mineru.
1DeepSeek-OCROpen-source vision model that compresses pages into few tokens.1 credit / page
deepseek/deepseek-ocr1 credit / page2PaddleOCR-VLOpen-source document model from Baidu. Excellent on Chinese, Japanese and Korean.6 credits / pagepaddle/paddleocr-vl6 credits / page3GLM-OCRSmall open-source OCR model from Z.ai with layout regions. MIT licensed.6 credits / pagezai/glm-ocr6 credits / pageMinerU versijas
- MinerU: visas versijas, cena, ātrums un funkcijas vietnē OCRRouter
- MinerU 2.5 (2025. gada septembrī), šī lapa
Jautājumi
Avoti
Pēdējo reizi atjaunināts .