MinerU 刚发的 4.0.4 修复了什么：80,262 颗星背后，PDF 文档解析赛道的真实战局

MinerU 刚发的 4.0.4 修复了什么：80,262 颗星背后，PDF 文档解析赛道的真实战局

MinerU 在 9 月 19 日刚发布了 4.0.4 版本，这是继 4.0.2/4.0.3 连续三天的密集更新之后的一次例行维护。修复内容包括：高显存设备上 GPU 利用率逻辑优化、日志级别调整、API server 的 --log-level 作用域修正，以及 WebUI 超长文件名的幂等处理。

如果你在关注 PDF 文档解析这个赛道，这些更新本身不算激动人心，但它们背后反映出的维护节奏值得注意——这个项目目前仍有 113 个 open issue，活跃度相当高。

80,262 颗星，9,800 个 Fork，Python 项目，这是 MinerU 现在的基本盘。背后的团队是上海人工智能实验室 OpenDataLab，定位很明确：不做通用 PDF 解析，做”面向 LLM 的文档消化管道的最后一公里”。

它到底能做什么

MinerU 支持的文件格式相当全：PDF（扫描件/原生）、Word、PPT、Excel、RTF、EPUB、OFD、HTML、CSV，基本覆盖了日常办公和学术场景的主流格式。

核心能力是把这些文档转成两个出口：Markdown 和 JSON。JSON 那条路是为 RAG 场景设计的——它会把页面结构（标题层级、表格、图表区域）保留下来，而不是把整页文字压成一坨。Markdown 那条路则更适合直接给 LLM 阅读，格式损耗相对可控。

从实测数据看（来源：CSDN 社区，2026 年 2 月），1.2B 参数的 VLM 主模型在 i7 笔记本上能做到 A4 标准 PDF 平均 3.2 秒/页的处理速度。这个数字在 CPU 环境下已经不算慢，但如果你上 GPU，速度会再快一个量级。

4.0 带来了什么变化

MinerU 从 3.x 到 4.0 的最大升级是 VLM（视觉语言模型）引擎的全面介入。简单说，就是把原来依赖规则和 OCR 的解析流程，替换成了”模型看图说话”的方式。这让复杂排版（多栏、图文混排、跨页表格）的识别精度有了明显提升。

代价也很直接：没有 GPU 跑起来会吃力，纯 CPU 环境下更适合做轻量级验证和离线批处理，而不是生产级的大规模文档入库。

另外值得注意的一点是：MinerU 的许可证是”Other”，不是标准的 MIT/Apache。这意味着如果你想把它集成到商业产品里，需要先确认许可证条款是否兼容，不要想当然。

和竞品比怎么样

目前这个赛道的主要玩家是 Docling（67,031 ⭐，MIT 许可证）和 Marker。社区里有人做过横评（来源：TradePoint.io，2026 年 7 月），结论大致是：

• MinerU：结构保留最好，VLM 驱动，对复杂文档友好；GPU 环境下优势明显
• Docling：轻量，上手快，MIT 许可证；简单文档场景足够用
• Marker：对数学公式和表格的处理有专门优化；资源开销相对低

MinerU 刚发完 4.0.4，Docling 也一直在高频迭代。这个赛道目前没有绝对的赢家，选哪个取决于你的场景：复杂学术论文选 MinerU，快速简单任务选 Docling，有公式密集型需求可以看看 Marker。

适合谁，不适合谁

适合：

• 需要把大量 PDF 文档（尤其是中文+图片+表格混合排版）导入 RAG 系统
• 在 GPU 机器上有批处理需求，对解析质量有要求
• 学术/政企场景，文档版式复杂，通用 OCR 工具精度不够

不适合：

• 纯 CPU 环境，期望快速出结果；MinerU 在 CPU 上跑大文档会比较慢
• 商业产品集成前没确认许可证；这是严肃的法律风险
• 只需要简单地把 PDF 转成纯文本，没有结构化需求；这类需求用更轻量的工具更划算

最新动态与值得关注的点

MinerU 4.0 系列最近几个版本的核心方向是提升推理稳定性和降低使用门槛。比如 4.0.3 新增了 PDF 页面向量几何信息参与内容处理，4.0.2 做了 HTML 预览替代 OFD 预览，都是细节改进而非大的功能迭代。

一个值得关注的信号：MinerU 2.5-Pro（上海人工智能实验室的端到端文档解析模型）在 2026 年 4 月开源后在学术社区有一定讨论度，arXiv 上有专门论文（arXiv:2604.04771v2）。如果你对文档解析精度有极致追求，这个方向值得关注。

下一步建议

如果你是 RAG 系统的开发者，建议先用 pip 装一下跑个单文件试试：

pip install mineru
mineru -p your_document.pdf -o ./output

GPU 环境下记得装 CUDA 版本，参考项目 README 的安装说明。生产环境建议走 Docker，避免依赖冲突。

如果你是政企场景，直接用他们的 SaaS API（mineru.net）可能是更省心的选择，个人版有免费额度，企业版按调用量计费。

相关链接：

• GitHub：https://github.com/opendatalab/MinerU
• 最新 releases：https://github.com/opendatalab/MinerU/releases
• 在线体验：https://mineru.net
• arXiv 论文（MinerU 2.5-Pro）：https://arxiv.org/html/2604.04771v2
• 横评数据（TradePoint）：https://tradepoint.io/?p=461422