# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
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。
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。
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
文章来自于微信公众号 “量子位”，作者 “量子位”
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。
项目地址：https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file
本地安装：https://www.deepbi.com/
【开源免费】airda(Air Data Agent)是面向数据分析的AI智能体，能够理解数据开发和数据分析需求、根据用户需要让数据可视化。
项目地址：https://github.com/hitsz-ids/airda
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目，提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信，飞书的AI项目都基于该项目二次开发。
项目地址：https://github.com/labring/FastGPT
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
【免费】ffa.chat是一个完全免费的GPT-4o镜像站点，无需魔法付费，即可无限制使用GPT-4o等多个海外模型产品。
在线使用：https://ffa.chat/
【开源免费】XTuner 是一个高效、灵活、全能的轻量化大模型微调工具库。它帮助开发者提供一个简单易用的平台，可以对大语言模型（LLM）和多模态图文模型（VLM）进行预训练和轻量级微调。XTuner 支持多种微调算法，如 QLoRA、LoRA 和全量参数微调。
项目地址：https://github.com/InternLM/xtuner
