DatalabのMarker 2 vs MinerU・Docling・LiteParse：olmOCRベンチで76.0、スループットはMinerUの5倍

Datalabは、オープンソースのドキュメント変換パイプライン「Marker 2」を発表した。これは完全に書き換えられたバージョンであり、PDF、画像、PPTX、DOCX、XLSX、HTML、EPUBファイルをMarkdown、JSON、HTML、またはチャンクに変換する。Datalabチームは、過去数ヶ月にわたって出荷された3つのコンポーネント（Surya OCR 2、2000万パラメータの高速レイアウトモデル、および従来比3倍高速化されたpdftext）を基に再構築した。

主要な結果は、Allen AIによるサードパーティのベンチマーク「olmOCR-bench」から得られた。Marker 2のバランスモードは全体で76.0%、デジタル生まれのPDFでは83.5%を記録した。単一のB200 GPU上で毎秒2.9ページのスループットを維持する。これはMinerUのパイプラインの5倍以上であり、MinerUは72.7%のスコアで毎秒0.54ページである。Doclingは同じ環境で50.3%、毎秒2.1ページである。

Marker 2の新機能：3つの変換パス（バランス、高速、OCR無効）を提供。バランスモードは最高品質でGPU最適、高速モードは軽量で低コスト、OCR無効モードは純粋なテキストレイヤー抽出でCPUのみで動作。アーキテクチャの改善により、複数のCPUワーカーが単一のSurya推論サーバーを共有し、スループットが線形に拡張する。

比較では、Marker 2バランスモードがMinerUを上回り、スコア76.0%対72.7%、スループットは5.4倍。Doclingに対しては精度と速度の両方で勝利するが、Doclingはガバナンスとフォーマットの広さで優位。LiteParseは速度は驚異的だが、構造化文書では低スコアに留まる。

ライセンス面では差異が明確：MarkerのコードはApache 2.0だが、重みは修正AI Pubs OpenRAIL-Mライセンスで、商用利用には有料ライセンスが必要。MinerUは月間アクティブユーザー1億または月間収益2000万ドルまで無料、商用サービスは開示が必要。DoclingはMIT、LiteParseはオープンソースだが、LlamaParseが有料クラウドパスを提供。

チームは、Marker 2はパイプラインでありVLMではないと強調。全ページVLMはスキャンや数式ページで依然として優れているが、MarkerバランスモードはGemini Flash 3.5に0.4ポイント差まで接近し、デジタル生まれ文書ではそれを上回る。