上海AI实验室发布MinerU2：通专融合路线如何补齐AI-Ready数据的最后一公里

导言：

当前，大模型训练的竞争焦点正从“数据规模”转向“数据质量与差异化”方向。如何高效精准地挖掘高质量私域数据成为关键挑战。为解决这一难题，上海人工智能实验室（上海AI实验室）于去年7月开源智能文档解析引擎MinerU，旨在将复杂文档精确地转化为可用于大模型训练的AI-Ready数据。

经一年潜心研发，基于通专融合技术路线，采用全新架构的MinerU2正式推出，其凭借0.9B精巧参数量，在多语言与复杂文档解析精度上实现突破，同级别开源模型综合评分第一。MinerU2在性能、速度跃升的同时，将可解析场景延伸至科学数据领域，补齐AI-Ready数据的最后一公里，缩窄AGI促进科学发现的鸿沟，已成为『书生』科学多模态大模型Intern-S1开源工具链中的重要一环。

目前，MinerU深度集成于『书生』科学发现平台Intern-Discovery和AI地球科学家智能体系统EarthLink，为科研人员提供高效的文档解析与数据提取服务，极大提升了文献处理和科学研究的效率。

一、从“量变”到“质变”：AI-Ready数据成为大模型下半场核心竞争力

随着模型技术发展，互联网数据趋同性导致通用大模型同质化，细分专业化成为深入行业落地的必然路径，这些数据常存在于私域，且以文档形式最为普遍。数据竞争正从“粗放式扩张”转向“精细化挖掘”，从私域数据中构建高质量AI-Ready数据成为竞争关键。

AI-Ready 数据成为大模型下半场核心竞争力

而在私域数据中解析文档和构建AI-Ready数据时，面临着三重结构性挑战：

• 格式复杂多样：私域数据的来源多样，数据形态格式复杂，对文档解析能力提出挑战

• 高精度要求：关键领域对数据精度要求高，微小误差可能引发决策偏差与业务风险

• 高速度需求：数据解析只是大模型研发与落地的第一步，每个环节对速度的容忍性有限

二、MinerU2：基于Intern‑S1拓展科学领域AI‑Ready数据构建能力

在此背景下，上海AI实验室于去年7月推出开源智能文档解析引擎MinerU，支持高精度解析文档元素，支撑构建高质量AI-Ready数据。经过一年的潜心研发，上海AI实验室团队联合北京大学团队，以全新技术架构推出MinerU2——端到端多模态文档解析大模型，位列同级别开源模型综合评分第一，解析精度和速度大幅提升，有力突破了前文提及的三重结构性挑战。

MinerU 相较于同级别开源模型在Benchmark 上的性能对比

MinerU2解析准确率较前代提升22%，实现 “全尺寸・真高清”解析，能精准解析学术论文、教科书等复杂版面。其采用的模型参数量仅0.9B，性能比肩72B大模型，可在消费级显卡单卡上流畅运行。通过集成自适应缩放、SGLang等技术，显著提升推理效率，解析速度较上一代提升6倍。它在精准识别文本、布局、表格基础上，还能高精度提取数学公式、物理符号、化学分子式和化学反应，支撑高质量AI-Ready的语料构建管线，将可解析场景延伸至科学数据领域，补齐AI-Ready数据的最后一公里，缩窄AGI促进科学发现的鸿沟，现已成为『书生』科学多模态大模型Intern-S1开源工具链中的重要一环。

“全尺寸・真高清” “小模型・大能量” “深优化・高性能”

MinerU2的能力突破，植根于上海AI实验室在基础理论与科学数据领域的长期战略投入：

• “通专融合”技术路线作为理论指导：MinerU2以“通专融合”作为核心技术路线，致力于打造面向科研任务的“革命性工具”，促进科学知识的结构化理解与重组，为解析高度复杂的科学文档提供坚实的工具支撑。

• OpenDataLab平台提供生态支撑：充分利用OpenDataLab平台汇聚的7700+多领域PB级数据集及核心科学数据资源，结合实验室在数据核心技术方面的持续积累，为模型训练与优化提供了丰富、高质量的专业数据与技术保障。

三、从 GitHub明星到产业基石：MinerU 构建AI-Ready产业生态

MinerU项目以卓越的技术实力从开源社区脱颖而出，多次蝉联GitHub平台的Python Trending榜首，斩获超4万星标，领先同期Llama3的2.9万星标，充分体现了开发者生态的高度认可与广泛影响力。

在国产化适配方面，MinerU深度对接昇腾AI-910B平台，显著提升OCR处理效率——实现单页处理时间从分钟级压缩至2秒，效率提升达60倍，为国产AI技术落地提供有效保障。

MinerU目前向开发者提供了多样化的部署与使用形态，包括开源本地部署、桌面客户端/网页端、在线API接口服务以及MCP企业级服务，全面适配主流AI开发/使用平台如 Dify、CherryStudio、Sider与ModelWhale等。

目前，MinerU已深度接入上海AI实验室『书生』科学发现平台Intern-Discovery和AI地球科学家智能体系统EarthLink平台提供文档解析服务。在 Intern-Discovery中，其内置的论文元分析模块利用MinerU进行深度文档解析与信息提取，为科研人员生成高质量数据表格与分析报告，显著提升了文献处理效率。在 EarthLink中，MinerU文档解析工具则能够智能解析科学实验计划，为地球科学家提供无需编程的气候数据分析与建模能力，有效应对大数据处理难题，助力科研人员专注于科学探索。

MinerU不仅是连接大模型与垂直场景的技术桥梁，更是构建开放协同的AI产业生态的坚实基石。

MinerU 良好的体验，丰富的生态

展望未来，MinerU 将持续以 “Tokenize Everything” 为愿景，不断突破异构数据智能解析的边界，全力推动AI-Ready数据转化进程。届时，海量异构数据中蕴含的万亿价值不仅将得到更加充分的释放，也将为通用人工智能的底层数据根基注入强劲动能。

更多MinerU 相关信息，欢迎访问以下地址👇

MinerU官网：

https://mineru.net/

MinerU桌面客户端：

https://mineru.net/client

在线API申请：

https://mineru.net/apiManage/token

GitHub链接：

https://github.com/opendatalab/MinerU