MinerU2.5团队 投稿
量子位 | 公众号 QbitAI
大模型越来越大，参数量动辄千亿，但真要在实际场景里做到“高精度+高效率”，却并不容易。
上海人工智能实验室发布新一代文档解析大模型——MinerU2.5。
作为MinerU系列最新成果，该模型仅以1.2B参数规模，就在OmniDocBench、olmOCR-bench、Ocean-OCR等权威评测上，全面超越Gemini2.5-Pro、GPT-4o、Qwen2.5-VL-72B等主流通用大模型，以及dots.ocr、MonkeyOCR、PP-StructureV3等专业文档解析工具。
凭借高精度、多模态的文档理解与结构化输出能力，MinerU2.5尤其适合构建RAG知识库与大规模文档提取等实际应用场景。
△OmniDocBench文档解析评测结果
从上图可以看出，MinerU2.5在整体解析能力及单元素解析能力维度上全面第一。不仅如此，在技术报告中，无论是文本、公式、表格，还是阅读顺序等核心解析任务，MinerU2.5都展现出卓越的技术性能。
除了在指标上全面领先外，团队还对不同类型文档的解析结果进行了人工评估。
结果显示，MinerU2.5在解析精度和用户体验上均实现显著提升，在布局检测、表格识别、公式识别、文本识别等关键任务上取得全面突破。
实现高精度与高效率
凭借1.2B精巧参数，MinerU2.5在大规模语料提取等生产力场景中兼顾高精度与高效率，体现出“小身材、大能量”的独特优势，展现出强大的应用价值。
为了保证模型能够轻松处理不同来源、不同难度、包含不同元素的文档，科研团队精心设计了文档解析数据引擎，为模型预训练和微调阶段提供多样性、高质量数据。
针对文档解析的预训练阶段，团队考虑从文档多样性、元素多样性、中英文数量均衡保证预训练数据的多样性，并通过多阶段模型筛选保证数据质量。
在模型微调阶段，团队采用了基于推理一致性的迭代挖掘策略，针对一阶段预训练模型挖掘困难样本，并结合智能化标注及专家修正保证数据足够复杂、精准，有效提升模型在复杂样本上的解析能力。
△MinerU2.5文档解析大模型技术架构
最终模型在复杂排版、复杂公式及复杂表格上性能显著提升，在其他普通样本上的解析精度更是达到了媲美人工标注员的水平。
在解析效率方面，MinerU2.5采用了QwenVL2系列的原生分辨率视觉编码器（675M）及0.5B的语言解码器，模型总参数量接近1.2B。
在布局分析阶段，MinerU2.5将高分辨率文档图像下采样到1036*1036 从而实现高效解析。在内容识别阶段，MinerU2.5仅需将切割的小区域元素进行原生分辨率编码解析，解析速度快、精度高、幻觉少。
配合vLLM参数优化及工程优化，MinerU2.5在消费级显卡4090（48G）上达到每秒1.7页的解析速度，远超其他大模型解析方案，让高质量、低成本的解析成为现实。
出图、表格和公式解析能力得到大幅提升
在出图方面，模型鲁棒性得到增强，可轻松处理各类文档：在论文、数据、考题、课本、研报、财报、PPT等多样性文档上均表现出精准的解析结果。
此外，表格解析能力也得到了大幅提升：在各种类别的表格上，解析能力优秀，特别是旋转表格、无线表、少线表和复杂表格上，相比于之前进步显著。
在公式解析任务上，模型对各类公式均能输出准确结果。特别地，MinerU2.5创新性地将复合公式解耦为多个原子公式进行解析，从而显著提升了针对复杂长公式的解析能力。
MinerU2.5已经全面上线，包括HuggingFace、ModelScope和GitHub在内的多平台均可获取模型下载、源码及在线Demo，科研人员和开发者都能轻松下载、运行和复现模型效果。
依托MinerU2.5多模态大模型核心能力，MinerU在线产品功能实现全面升级。
本次迭代新增了表格旋转识别、无线或少线表格解析、跨格式文档无损复制以及参考文献识别等功能，并对中文公式、复杂数学公式以及嵌套表格的解析精度进行了优化。
所有新增功能已完整融入JSON/Markdown导出、复制、翻译等重要操作，实现开箱即用、流畅无缝的使用体验。
值得一提的是，导出的JSON文件保留了页眉、页脚、页码、脚注及侧边文本等全部信息，为开发者提供了更便捷的二次处理条件，同时大幅提升了文档解析的准确性与适用范围。
△MinerU在线版已全部上架MinerU2.5最新模型能力
在国产算力生态建设方面，OpenDataLab团队采取“自主可控+开放协同”双轨策略，持续推动国产化适配与算力优化。通过与DeepLink的联合攻关，依托其开放计算体系实现多后端算力的打通，MinerU2.5得以在国产千卡级平台上稳定高效运行。
同时，MinerU2.5正在与昇腾、沐曦、摩尔线程、寒武纪、海光等国产平台完成深度适配，相关技术成果将以开源方式共享，为高性能应用场景提供可靠的产业化支撑。
在应用落地方面，MinerU已率先开发出面向N8n、扣子、FastGP、BISHENG等主流Agent平台的插件，并为钉钉、Cherry Studio、Sider等知名AI工具提供接入与技术保障。
未来，团队将继续扩展国内外主流平台及开发工具的适配范围，推动技术与重点行业应用深度融合，构建开放、兼容且可持续发展的生态体系。
技术报告：https://arxiv.org/abs/2509.22186
开源项目：https://github.com/opendatalab/MinerU
开源模型：https://huggingface.co/opendatalab/MinerU2.5-2509-1.2B
在线使用：https://mineru.net
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
🌟 点亮星标 🌟
