--- title: MinerU2.5-Pro-2605-1.2B-GGUF canonical_url: "https://www.modelscope.cn/models/42ailab/MinerU2.5-Pro-2605-1.2B-GGUF" md_url: "https://www.modelscope.cn/models/42ailab/MinerU2.5-Pro-2605-1.2B-GGUF.md" repository: 42ailab/MinerU2.5-Pro-2605-1.2B-GGUF chinese_name: "MinerU2.5-Pro · 文档解析大模型" last_updated: 2026-11-08 license: apache-2.0 pipeline_tag: text-generation tasks: - text-generation base_model: - opendatalab/MinerU2.5-Pro-2605-1.2B base_model_relation: quantized library_name: - gguf - pytorch frameworks: - pytorch language: - zh - en downloads: 1423 stars: 6 tags: - ocr - document-parsing - gguf - llama.cpp - 42model --- # MinerU2.5-Pro-2605-1.2B-GGUF > MinerU2.5-Pro-2605-1.2B-GGUF - 42ailab 在 ModelScope 开源的模型。MinerU2.5-Pro · 全本地文档解析与 OCR 42ailab/MinerU2.5-Pro-2605-1.2B-GGUF 是 ModelScope 魔搭社区上的text-generation模型，采用 apache-2.0 许可，基于 opendatalab/MinerU2.5-Pro-2605-1.2B 构建。 - **Repository**: 42ailab/MinerU2.5-Pro-2605-1.2B-GGUF - **License**: apache-2.0 - **Tasks**: text-generation - **Base model**: opendatalab/MinerU2.5-Pro-2605-1.2B - **Tags**: ocr, document-parsing, gguf, llama.cpp, 42model - **Downloads**: 1423 - **Stars**: 6 - **Last updated**: 2026-11-08 Source: https://www.modelscope.cn/models/42ailab/MinerU2.5-Pro-2605-1.2B-GGUF --- # MinerU2.5-Pro · 全本地文档解析与 OCR [![License: Apache 2.0](https://img.shields.io/badge/License-Apache_2.0-blue.svg)](https://www.apache.org/licenses/LICENSE-2.0) [![Runs Local](https://img.shields.io/badge/Runs-100%25_Local-brightgreen.svg)](https://42model.com) [![Platform](https://img.shields.io/badge/Platform-macOS_|_Windows_|_Linux-lightgrey.svg)](https://42model.com) 给一张图片、扫描件或 PDF 截图，本模型把里面的文字、**表格、公式、版面结构**识别出来，还原成可编辑、可复制的内容——全部在你自己的电脑上完成，**不上云、免费、私密**。 > **模型由 [OpenDataLab](https://modelscope.cn/models/opendatalab/MinerU2.5-Pro-2605-1.2B) 研发、以 Apache-2.0 开源**（MinerU2.5-Pro，一个 12 亿参数的多模态文档解析模型）。**本仓不是新模型**，而是我们把这个开源模型转换成**能在你电脑上离线运行**的量化部署档（GGUF）、并做了质量校验——文档解析能力归 OpenDataLab，我们做的是「让它在你的本地跑起来」。 ## 一、它解决什么问题 把纸质 / 扫描 / 图片形式的文档变回可编辑内容，是几乎所有资料整理工作的第一步，而真正难的从来不只是「认字」： - **表格与公式**：财报、论文、合同里的表格和数学公式，普通 OCR 常常拆得七零八落； - **版面与阅读顺序**：多栏排版、图文混排的文档，要还原成「人读的顺序」才有用； - **要不要上云**：合同、病历、内部资料涉及隐私，上传到别人的服务器并不放心。 本模型专为**文档解析**而生：不仅识别文字，还能把表格、公式、版面结构一并还原成结构化内容，并且**完全在本地完成**——离线、免费、原文不出你的设备。 ## 二、它是怎么做到的 **能力来自 OpenDataLab 的 MinerU2.5-Pro**——一个 12 亿参数的多模态文档解析模型：它走「先看懂整页版面、再逐块精读」的路线，把一页文档解析成带结构的内容（正文、表格、公式、阅读顺序）。它最大的特点是**靠数据工程而非堆参数**提升效果——在**同样 1.2B 的小体量**下，官方报告的 OmniDocBench v1.6 综合分为 95.72（详见下节）。 **我们做的**： - 把开源权重转成两个量化文件——文字解码器约 **0.38 GB**（Q4_K_M 量化）+ 负责「看图」的视觉编码器约 **1.27 GB**，让它在消费级电脑上离线运行，跨 macOS / Windows / Linux； - **校验量化没有带来可见的质量损失**（见下节），并纳入活水模型引擎的 OCR 精选； - 沿用与上游**一致的 Apache-2.0 许可**。 ## 三、效果如何 模型本体在公开基准上的完整评测，请以 **OpenDataLab 技术报告**为准（[arXiv](https://arxiv.org/abs/2604.04771)）。下表为 OpenDataLab 官方报告中 **2605 版**在文档解析权威基准 OmniDocBench v1.6 上的关键结果（仅摘录，非我方测得）： | 基准（OpenDataLab 官方报告） | 结果 | |---|---| | OmniDocBench v1.6 综合分（越高越好） | **95.72**（文档解析 SOTA） | | 表格还原 TEDS（越高越好） | 93.62 | | 公式识别 CDM（越高越好） | 97.15 | 官方报告称：在这份基准上它超过了顶尖专用 OCR 模型（GLM-OCR、PaddleOCR-VL）乃至体量大得多的通用多模态大模型。 **我们自己的校验**（量化保真度）：在 OmniDocBench v1.6 里随机抽 **100 张**文档图，用同图同指令（确定性输出）对比全精度版本与本仓量化版本： | 我们校验的项目 | 结果 | |---|---| | 与全精度版本**逐字完全相同** | **64 / 100** | | 输出长度差异 **< 10%** | **90 / 100** | | 系统性质量退化 | **无** | 少数差异只是全角/半角、空格等字符级波动（全精度版本自己两次推理之间也会出现），并非量化造成——也就是说，**体积压到约四成，文档解析质量没有可见损失**。 ## 四、局限与下一步 - **一次处理一页**：模型单次上下文约 8192，适合单页 / 单图；多页 PDF 请逐页处理（活水模型引擎会自动逐页喂入）。 - **定位是文档解析，不是随手取字**：它擅长表格 / 公式 / 复杂版面的结构化还原；如果只是想从一张照片里快速抓几个字，更轻量的通用 OCR 会更顺手。 - **需要视觉编码器**：文字解码器与「看图」的视觉编码器两个文件缺一不可（下载时会一并取回）。 - **下一步**：持续用真实文档复核、评估更多档位与语言覆盖。 ## 五、怎么下载与使用 本模型专为 [活水模型（42model）](https://42model.com) 打包，推荐通过它获取： **桌面版**：在「模型库」→「OCR」→「更多模型」里下载 **MinerU2.5-Pro**，点「开始使用」即可解析文档。 ## 文件与许可 | 文件 | 作用 | |---|---| | `MinerU2.5-Pro-2605-1.2B-Q4_K_M.gguf` | 文字解码器（Q4_K_M 量化，~0.38 GB） | | `mmproj-MinerU2.5-Pro-2605-1.2B-f16.gguf` | 视觉编码器（「看懂」图片的眼睛，保留 F16 精度，~1.27 GB） | 两个文件缺一不可：解码器负责输出文字与结构，视觉编码器负责「看懂」图片。各文件 sha256 见 ModelScope 文件页，可自行校验。 **许可**：模型本体为 MinerU2.5-Pro，© OpenDataLab，**Apache-2.0**（官方源：[ModelScope](https://modelscope.cn/models/opendatalab/MinerU2.5-Pro-2605-1.2B) · [HuggingFace](https://huggingface.co/opendatalab/MinerU2.5-Pro-2605-1.2B) · [技术报告](https://arxiv.org/abs/2604.04771)）。本仓为其转换的 GGUF 部署档，同样遵循 [Apache-2.0](https://www.apache.org/licenses/LICENSE-2.0)，使用即表示同意上游许可条款。 ## 引用 **模型本体**请引用上游 OpenDataLab（MinerU2.5-Pro 技术报告）： ```bibtex @misc{wang2026mineru25propushinglimitsdatacentric, title={MinerU2.5-Pro: Pushing the Limits of Data-Centric Document Parsing at Scale}, author={Bin, Wang and Tianyao, He and Linke, Ouyang and Fan, Wu and Zhiyuan, Zhao and Tao, Chu and Yuan, Qu and Zhenjiang, Jin and Weijun, Zeng and Ziyang, Miao and Bangrui, Xu and Junbo, Niu and others}, year={2026}, eprint={2604.04771}, archivePrefix={arXiv}, primaryClass={cs.CV}, url={https://arxiv.org/abs/2604.04771} } ``` 若**本仓的 GGUF 量化部署档**对你有帮助，可另附： ```bibtex @misc{yang2026mineru25progguf, title = {MinerU2.5-Pro-2605-1.2B-GGUF: A Local Quantized Build of OpenDataLab's MinerU2.5-Pro}, author = {Yang, Zhiping}, year = {2026}, howpublished = {\url{https://modelscope.cn/models/42ailab/MinerU2.5-Pro-2605-1.2B-GGUF}}, organization = {42ailab}, note = {GGUF 量化与本地部署封装；模型本体为 OpenDataLab MinerU2.5-Pro（Apache-2.0）。Contact: contact@42ailab.com} } ``` 联系我们：**contact@42ailab.com** ## 关于我们 **[活水 AI 实验室（42ailab）](https://42ailab.com)** — 探索智能边界的 AI 创新实验室，以认知科学为基石，推动 AI 与人类智能的深度融合，真正理解并增强智能 —— 碳基的，也是硅基的。 **[活水模型（42model）](https://42model.com)** — 由活水 AI 实验室出品的高性能本地 AI 大模型推理引擎，让翻译、转写、识别、对话、编程等 AI 能力在你的本机免费私密运行；并可借云端算力微调专属模型，回传本机运行。