MinerU2.5: VLM 1.2B SOTA para análisis de PDFs

Descubre MinerU2.5, el innovador Modelo Vision-Language (VLM) de solo 1.2B de parámetros que redefine la eficiencia y precisión en el análisis de documentos. Este framework de código abierto utiliza una estrategia de dos etapas desacopladas (análisis de layout y reconocimiento de contenido) para transformar documentos complejos como PDFs en formatos Markdown o JSON listos para flujos de trabajo LLM (Agentic workflows). MinerU2.5 ha logrado el rendimiento SOTA (State-of-the-Art) en el benchmark OmniDocBench, superando exhaustivamente a modelos de mayor tamaño y propósito general como Gemini 2.5 Pro, GPT-4o y Qwen2.5-VL-72B en el reconocimiento de texto, tablas y fórmulas. Gracias a su capacidad para reconocer y convertir automáticamente elementos complejos (fórmulas a LaTeX, tablas a HTML/OTSL) y preservar la estructura del documento, MinerU2.5 es una herramienta esencial para optimizar la Generación Aumentada por Recuperación (RAG), asegurando una extracción de conocimiento de alta calidad en documentos de alta densidad.https://github.com/opendatalab/MinerUhttps://arxiv.org/pdf/2509.22186