2026年5月21日 🎉🎉 我们荣幸地宣布模型更新版本MinerU2.5-Pro-2605正式发布。
增强的版式检测
针对2604版本在版式检测中出现的类别误分问题，我们进行了全面的数据清洗，大幅降低了版式检测中的类别错误。特别是image_block类别的漏检率得到显著改善。
改进的图像分析 为突破2604版本在图像分析方面的局限，我们构建了大规模的图像分析训练数据集。因此，2605版本在各类图表、流程图乃至印章的识别能力上均有显著提升。
OmniDocBench性能相当 2605版本的核心优化方向是提升用户体验，其性能指标与2604版本相比仅有细微差异。具体指标对比见下表：
| 模型版本 | 总体↑ | 文本编辑距离↓ | 公式CDM↑ | 表格TEDS↑ | 表格TEDS-S↑ | 阅读顺序编辑距离↓ |
|---|---|---|---|---|---|---|
| MinerU2.5-Pro-2605 | 95.66 | 0.036 | 97.17 | 93.43 | 95.97 | 0.121 |
| MinerU2.5-Pro-2604 | 95.69 | 0.036 | 97.29 | 93.42 | 95.92 | 0.120 |
MinerU2.5-Pro是我们最新的文档解析模型（PDF转Markdown），树立了新的行业标准。通过完全专注于数据工程，未改变原始的12亿参数架构，它在各方面均展现出卓越性能：
1. 在OmniDocBench v1.6上超越主流模型 在新提出的、严格度极高的OmniDocBench v1.6基准测试中，MinerU2.5-Pro取得了95.69的绝对SOTA综合得分。它全面超越了顶尖的专业OCR模型（GLM-OCR、PaddleOCR-VL-1.5）和大型前沿视觉语言模型（Gemini 3 Pro、Qwen3-VL-235B）。
2. 通过数据工程实现MinerU 2.5的大幅跃升 与之前的MinerU 2.5基准版本相比，综合得分从92.98飙升至95.69。这一突破并非通过扩大模型参数规模，而是通过精心的数据工程——大幅扩展数据规模、丰富数据分布和难度多样性，以及系统性提升标注质量。
3. 特定模态的卓越突破
4. ✨ 新增实用功能 除了指标提升外，MinerU2.5-Pro现在原生支持：图像与图表解析、截断段落合并、跨页表格合并以及表格内图像识别。
当前的SOTA模型（无论采用何种架构）在同一组复杂布局上均表现不佳。我们意识到，真正的瓶颈在于训练数据不足和标注噪声。为解决这一问题，我们构建了全新的数据引擎：
核心结论：MinerU2.5-Pro证明，系统化的数据工程是文档解析的终极杠杆，为LLM数据管道和高级RAG系统提供了当今最准确的结构化提取能力。
为方便使用，我们提供了 mineru-vl-utils 这个 Python 包，它能简化向 MinerU2.5-Pro 视觉语言模型发送请求和处理响应的流程。这里我们给出一些使用 MinerU2.5-Pro 的示例。更多信息和用法，请参考 mineru-vl-utils。
📌 我们强烈建议使用 vllm 进行推理，因为 vllm-async-engine 在单张 A100 上可实现 2.12 fps 的并发推理速度。
# For `transformers` backend
pip install "mineru-vl-utils[transformers]"
# For `vllm-engine` and `vllm-async-engine` backend
pip install "mineru-vl-utils[vllm]"transformers 示例from transformers import AutoProcessor, Qwen2VLForConditionalGeneration
from PIL import Image
from mineru_vl_utils import MinerUClient
# for transformers>=4.56.0
model = Qwen2VLForConditionalGeneration.from_pretrained(
"opendatalab/MinerU2.5-Pro-2604-1.2B", dtype="auto", device_map="auto"
)
processor = AutoProcessor.from_pretrained(
"opendatalab/MinerU2.5-Pro-2604-1.2B", use_fast=True
)
client = MinerUClient(
backend="transformers", model=model, processor=processor,
image_analysis=False # default False, set True to enable image/chart analysis
)
print(client.two_step_extract(Image.open("/path/to/page.png")))vllm-engine 示例（推荐！）from vllm import LLM
from PIL import Image
from mineru_vl_utils import MinerUClient
from mineru_vl_utils import MinerULogitsProcessor # if vllm>=0.10.1
llm = LLM(
model="opendatalab/MinerU2.5-Pro-2604-1.2B",
logits_processors=[MinerULogitsProcessor] # if vllm>=0.10.1
)
client = MinerUClient(
backend="vllm-engine", vllm_llm=llm,
image_analysis=False # default False, set True to enable image/chart analysis
)
print(client.two_step_extract(Image.open("/path/to/page.png")))from mineru_vl_utils.post_process import json2md
# ... omit client initialize
content_list = client.two_step_extract(Image.open("path/to/page.png"))
md_res = json2md(content_list)🚧 跨页表格合并：目前正在集成中，敬请期待！
感谢 Qwen Team、vLLM、OmniDocBench、PaddleOCR、UniMERNet、DocLayout-YOLO 提供的宝贵代码和模型。同时也感谢所有为这个开源项目做出贡献的人！
如果您觉得我们的工作对您的研究有所帮助，欢迎点亮小星星 ⭐ 并引用我们的成果 📝：
@misc{wang2026mineru25propushinglimitsdatacentric,
title={MinerU2.5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale},
author={Bin, Wang and Tianyao, He and Linke, Ouyang and Fan, Wu and Zhiyuan, Zhao and Tao, Chu and Yuan, Qu and Zhenjiang, Jin and Weijun, Zeng and Ziyang, Miao and Bangrui, Xu and Junbo, Niu and others},
year={2026},
eprint={2604.04771},
archivePrefix={arXiv},
primaryClass={cs.CV},
url={https://arxiv.org/abs/2604.04771},
}