MinerU 2.5
MinerU 2.5 е 1.2B модел на OpenDataLab за парсирање документи. Прво го наоѓа распоредот на мала копија од страницата, па го чита секој регион во полна резолуција.
Издание на MinerU.
- Објавен
- септември 2025
- ID на моделот
- opendatalab/MinerU2.5-2509-1.2B
- Големина
- 1.2B vision-language модел
- Лиценца
- AGPL-3.0
- Се пребарува и како
- mineru 2.5, mineru2.5, MinerU2.5-2509-1.2B
Што е ново во MinerU 2.5
- Парсирање во две фази: анализа на распоред на намалена страница, потоа препознавање на исечоци во полна резолуција.
- Попрецизна анализа на распоред што ги задржува заглавјата, подножјата и броевите на страници.
- Подобри формули, вклучително долги и равенки што мешаат кинески и англиски.
- Поотпорен на ротирани табели, табели без рамки и делумно врамени табели.
Бенчмарки за MinerU 2.5
| Бенчмарк | Резултат | Забелешка |
|---|---|---|
| OmniDocBench, вкупно | 90.67 | 1.82 над MonkeyOCR-pro-3B, 2.26 над dots.ocr |
| OmniDocBench, edit distance за текст | 0.047 | dots.ocr: 0.048. Пониско е подобро |
| OmniDocBench, CDM за формули | 88.46 | |
| Пропусност | 2.12 pages/s | vLLM async engine, еден A100 |
Резултати според авторите. Не сме ги повториле.
Користете го MinerU 2.5 преку API
OCRRouter извршува друго издание на MinerU како 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 / pageВерзии на MinerU
- MinerU: сите верзии, цена, брзина и функции на OCRRouter
- MinerU 2.5 (септември 2025), оваа страница
Прашања
Извори
Последно ажурирано .