Datalab Marker v2 vs MinerU、Docling 和 Liteparse：基準測試對比

Datalab 釋出了 Marker 2，這是其開源文件轉換管道的完全重寫版本。Marker 可將 PDF、影像、PPTX、DOCX、XLSX、HTML 和 EPUB 檔案轉換為 Markdown、JSON、HTML 或分塊文本。Datalab 團隊圍繞此前數月釋出的三個元件重建了該管道：Surya OCR 2、一個 2000 萬引數的快速佈局模型，以及一個速度提升 3 倍的重構 pdftext。

主要結果來自 Allen AI 的第三方基準測試 olmOCR-bench。Marker 2 的平衡模式整體得分 76.0%，在純數字 PDF 上得分 83.5%。在單塊 B200 GPU 上，其持續吞吐量達到 2.9 頁/秒。這比 MinerU 管道後端的 5 倍以上（MinerU 得分 72.7%，速度 0.54 頁/秒）。在同一測試中，Docling 得分為 50.3%，速度為 2.1 頁/秒。

Marker 2 的新特性包括三種轉換模式：平衡模式（使用 Surya VLM 處理佈局，並在嵌入文本質量差時重新 OCR，質量最高，依賴 GPU）、快速模式（使用輕量級 rf-detr/onnx 佈局檢測器和 pdftext，極少使用 VLM，成本更低）以及停用 OCR 模式（純文本層提取，完全在 CPU 上執行）。模式現在預設根據裝置選擇：GPU 上使用平衡模式，CPU/MPS 上使用快速模式，可覆蓋。全面 CPU 支援是第二個結構性變化：快速停用 OCR 模式無需 GPU 和推理伺服器，2000 萬引數的佈局模型仍在 CPU 上讀取列、表格和標題。

第三個變化是架構性的，也是產生高吞吐量的原因：多個輕量級 CPU 工作程序共享一個 Surya 推理伺服器。父程序在它們之間平衡 VLM 併發，因此吞吐量隨伺服器容量擴充套件，而不是受限於每程序的 VRAM。Datalab 報告稱，平衡模式在相同硬體上持續吞吐量約為 2.9 頁/秒，而單流速率約為 0.3 頁/秒。

升級前需要注意一些重大變更：現在需要 Python 3.10+；打包從 Poetry 遷移到 uv，使用 hatchling 作為構建後端，但 pip install marker-pdf 保持不變；移除了結構化提取轉換器和提取器，Datalab 建議使用者使用託管 API 或 –use_llm 工作流。

在對比中，olMOCR-bench 來自 Ai2，包含 1403 個 PDF 和約 8400 個透過/失敗單元測試，涵蓋數學渲染、表格結構、閱讀順序、頁首頁尾和舊掃描。整體得分是 8 個類別的宏平均值。吞吐量是在單塊 B200 主機上的持續併發頁/秒，而非單流延遲。需要注意的是，所有這些分數和吞吐量資料均來自 Datalab 自己的執行，可透過 Marker 倉庫中的開源測試工具重現。

與 MinerU 相比，Marker 平衡模式領先 76.0% 對 72.7%。在純數字文件上兩者幾乎持平：83.5% 對 83.3%。差距在於吞吐量：Marker 平衡模式 2.9 頁/秒對比 MinerU 的 0.54 頁/秒，差距達 5.4 倍。Marker 快速模式速度達 7.4 頁/秒，約為 MinerU 的 13.7 倍，但得分低 6.1 個百分點。MinerU 還有一個 VLM 後端，得分更高，但未包含在此表中。

與 Docling 相比，差距最大。Marker 平衡模式整體領先 76.0% 對 50.3%，純數字文件 83.5% 對 64.0%，同時速度更快：2.9 頁/秒對 2.1 頁/秒。Docling 的優勢在於治理和格式廣度：MIT 許可證，源於 IBM 研究院，託管於 LF AI & Data 基金會，輸入格式包括音訊和電子郵件。

與 LiteParse 相比，LiteParse 是 Rust 編寫的文件解析器，不直接競爭。在 CPU 上，關閉 OCR 時 LiteParse 得分 22.4%，Marker 的 CPU-only 模式得分 43.6%。但 LiteParse 關閉 OCR 後速度達 1721 頁/秒，約為 Marker CPU 模式的 73 倍。Marker 的快速停用 OCR 模式在 CPU 上執行 2000 萬引數的佈局模型，因此得分是純文本轉儲的兩倍以上，而 LiteParse 沒有佈局模型，在非線性內容上表現不佳。

與全頁 VLM 層級相比，Datalab 強調 Marker 是管道而非 VLM。他們託管的 Chandra 2 得分 85.8%，Gemini Flash 3.5 透過 API 得分 76.4%。Ai2 的 olmOCR 2 得分 82.4%，dots.ocr 1.5 得分 83.9%。對於掃描件、數學密集頁面和最高準確率，VLM 層級仍然優於所有列出的管道。但 Marker 的平衡模式將效能差距縮小到僅落後 Gemini Flash 3.5 0.4 個百分點，並在純數字文件上以 83.5% 對 79.1% 勝出，且無需每頁 API 呼叫。

按類別看，模式選擇改變失敗特徵。數學是尖銳邊緣：快速模式從 PDF 文本層讀取方程式而非 VLM-OCR，因此 arXiv 數學從 83.9 降至 23.4，停用 OCR 模式得分為 0.0。除數學外，舊掃描在每個模式中都是最弱項，最高 43.2%。

許可證方面，四個系統差異顯著：Marker 程式碼為 Apache 2.0，模型權重使用修改後的 AI Pubs OpenRAIL-M 許可證——研究、個人使用和融資/收入低於 500 萬美元的初創公司免費，商業使用需付費。MinerU 現在使用基於 Apache 2.0 的 MinerU 開源許可證，月活躍使用者超過 1 億或月收入超過 2000 萬美元需商業許可證，基於其構建的線上服務必須披露。Docling 是 MIT 許可證，模型許可證單獨追蹤。LiteParse 開源，LlamaParse 是付費雲路徑。

關鍵要點：Marker 2 平衡模式在 olmOCR-bench 上得分 76.0%，速度 2.9 頁/秒，是 MinerU 管道吞吐量的 5 倍以上；在準確率和速度上均擊敗 Docling；LiteParse 以結構換速度；快速模式可完全在 CPU 上執行，速度 23.7 頁/秒；許可證方面 Docling 最寬鬆，MinerU 和 Marker 有商業限制。所有基準測試和吞吐量資料均附帶可重現的測試工具。