本帖测试的PDF是数字型，不是扫描型
应评论区佬友建议，添加一些对比（2025年4月21日）
|
Marker |
Mistral OCR |
MinerU |
Markitdown |
OlmOCR |
Doc2X |
Mathpix |
| 使用方式 |
开源 api付费 |
api免费 |
开源 在线免费 |
开源 在线免费 |
开源 在线免费 |
付费 |
付费 |
| 限制 |
本地部署取决于硬件 |
文件最大50MB, 最多1000页 |
本地部署取决于硬件; 在线使用文件最大200MB, 最多600页 |
本地部署取决于硬件；在线使用文件最大200MB |
本地部署取决于硬件；在线使用限制未知 |
取决于套餐 |
取决于套餐 |
补充：
Marker 的安装使用可以看这位佬友教程
OlmOCR 部署条件苛刻：20GB GPU RAM，30GB 空闲磁盘空间
省流
免费工具推荐使用：olmocr、mistral ocr
付费工具都不错，mathpix 效果更好
效果对比
Markitdown 输出的md无排版，因此直接排除
多图片
mineru、mistral、olmocr、doc2x、mathpix 效果差不多，marker 出错
详细
原：
marker：多图片时出现问题，单图片没事
mineru：
mistral：
olmocr：
doc2x：
mathpix：
表格和块识别
效果差不多
详细
原：
marker、mineru、mistral、olmocr、mathpix 效果差不多，都如下：
doc2x：
代码识别
marker、olmocr、mathpix 效果稳定优秀，doc2x 效果稳定但没有代码块包裹，mistral 效果不稳定，mineru 较差
详细
原：
marker：效果稳定
mineru：
mistral：效果不稳定，也常出现上面mineru的情况
olmocr：效果稳定
doc2x：效果稳定
mathpix：效果稳定
公式识别
olmocr、mathpix 最好， mineru、mistral、doc2x 也不错，marker 较差
详细
原：
marker：
mineru：
mistral：
olmocr：
doc2x：
mathpix：
52 Likes
复杂表格都处理的不太好、输出的MD表格都没有合并。
3 Likes
slashkkk
(空气动力学)
4
请问其他方面的对比情况有吗？
比如：单个文件转换页数限制。好像mineru的在线版和mac客户端都是600页，本地部署、其他工具有没有页数限制？
再如：文字识别率，文本格式还原情况等。
谢谢。
2 Likes
微软那个markitdown有没有试过，打算自己部署一个
给一个网址
2 Likes
目前项目上有做类似的功能，比较下来文字识别上，豆包的1.5 vision pro和谷歌gemini2.5pro效果最好，然后格式还原上claude不错，所以目前来说就是先走一遍豆包文字提取，然后文字加图片让claude进行格式处理，因为单独claude视觉能力不行，错别字很多。
4 Likes
Ghidra
()
14
我觉得应该说清楚是靠CNN之类的搞OCR的还是靠多模态llm搞的。后者能保证图片、文本格式是合理的，所以效果应该比前者好，但是成本、速度和资源开销肯定比非大模型的要差
佬友试一下doc2x和mathpix的，转markdown也挺好，我个人感觉doc2x比mathpix更好用一点
1 Like
nicecanoe
(yangweili)
16
佬求教，mistral的中文识别能力现在咋样？目前这几种谁的中文识别能力最好啊
感谢推荐，我测试的结果是 mathpix 比 doc2x 好些
我上传的PDF是数字型不是扫描型，所以中文识别能力咋样我不太清楚 
1 Like
