Ötször gyorsabb és pontosabb lett a Datalab Marker 2 dokumentumkonvertere

A Datalab teljesen átírta nyílt forráskódú dokumentumkonverziós rendszerét, a Marker 2-t. Az új verzió három kulcsfontosságú komponensre épül: a Surya OCR 2-re, egy 20 milliós paraméteres gyors elrendezésmodellel, valamint egy 3-szor gyorsabb pdftext-komponenssel. A fejlesztők célja a sebesség és a pontosság növelése volt a korábbi verziókhoz képest. (MarkTechPost)

A Marker 2 legfontosabb eredményeit az Allen AI által készített olmOCR-bench teljesítményteszten mérték. A rendszer kiegyensúlyozott módban 76,0%-os általános pontosságot, míg született digitális PDF-ek esetében 83,5%-ot ért el. Ezzel párhuzamosan egyetlen B200 GPU-n 2,9 oldalt tud másodpercenként feldolgozni, ami több mint ötszörös sebességet jelent a MinerU folyamat-hoz képest.

Kapcsolódó: a Qwen 3.6 kvantizációi

Három konverziós mód

Az új Marker 2 három különböző konverziós útvonalat kínál. A 'balanced' mód a legmagasabb minőséget biztosítja GPU-n, 76,0%-os olmOCR-bench pontszámmal. A 'fast' mód egy könnyebb elrendezésdetektort és minimális VLM-használatot alkalmaz, így olcsóbb és gyorsabb, 66,6%-os eredménnyel. A harmadik, '--disable_ocr' mód teljesen CPU-alapú, nem használ VLM-et, és 43,6%-os pontszámmal, de 23,7 oldal/másodperc sebességgel működik.

Kapcsolódó: a Grok 4.5 megjelenése

Sebesség és pontosság a versenytársakhoz képest

A MinerU folyamat 72,7%-os pontszámmal és 0,54 oldal/másodperc sebességgel teljesített. A Docling 50,3%-os pontszámot ért el, de 2,1 oldal/másodperces sebességgel. A LiteParse, amely egy Rust alapú dokumentumparser, CPU-n 22,4%-os pontszámot mutatott, de OCR nélkül 1721 oldal/másodperces sebességet is elérhet.

Kapcsolódó: az NVIDIA X-Token fejlesztése

A Datalab kiemeli, hogy a Marker 2 egy folyamat, nem pedig egy nagyméretű nyelvi modell (VLM). Bár a VLM-ek, mint a Chandra 2 (85,8%) vagy a Gemini Flash 3.5 (76,4%), magasabb pontosságot érhetnek el, a Marker 2 kiegyensúlyozott módja szűkíti a teljesítménybeli különbséget, különösen a született digitális dokumentumok esetében.

Kapcsolódó: a Qwen 3.6 tesztjei

A Marker 2 Apache 2.0 licenc alatt érhető el, a modell súlyai pedig egy módosított AI Pubs OpenRAIL-M licencet használnak. Ez kutatási és személyes használatra ingyenes, de nagyobb bevételű vagy kereskedelmi célú felhasználáshoz fizetős licenc szükséges. A rendszer Python 3.10+-t igényel, és a csomagolás Poetry-ről uv-ra váltott.

Kapcsolódó: a KVarN metódus előnyei