MinerU 到底是模型还是工程产品

> 我看博客说 MinerU 是基于百度的 paddleocr 0.9b 的工程产品

你看的是什么博客？ MinerU 和 PaddleOCR 没有半毛钱关系，像是 LLM 写出幻觉了。

MinerU 分为两个 backend
一个是 pipeline ，集成了多种文档相关的模型，并基于后处理合并完成文档解析；
另一个是 vlm backend ，目前 2.5 版本是一个 qwen 架构 1.2B 的 vlm 模型，这个模型分为两阶段，一阶段是对版面进行分析，获取区域、区域类别、区域顺序，二阶段是对区域进行解析，提取文本、表格、公式，最后后处理合并。
他们的输入输出是一致的（功能一致），但使用的技术不同，效果和性能也有差异，需要根据自己场景按需选择。

paddleocr 在 MinerU pipeline backend 被集成（完成 ocr ），但 vlm 后端两者完全没有关联

@w568w 数字生命卡兹克的公众号，他在评论区里跟别人这样说的。并且这种说法在很多群里也能看到，但是又找不到出处，就很蒙。所以 mineru 是独立训练出来的模型吗？

有他们自己的模型，外加一部分工程能力，组合而成的 rag workflow 工具，类似 ragflow 这种 rag 工程实现中 对 PDF 做解析的一环工具。

@ZimaBlueee 少看点这种二道知识贩子的东西，有问题自己去官网/github 看官网文档，再不懂结合 chatgpt ，都比这种二道知识贩子靠谱。

@ZimaBlueee #3 楼下的说法是正确的，MinerU 作为 pipeline 「可以」接入 PaddleOCR 模型，但不能说 MinerU 「基于」 PaddleOCR 。另外 MinerU 作为视觉语言模型时也是他们自己训练的模型称呼。

@w568w 不是做这方面的，就点击进去看看仓库，人家都致谢 paddleocr 了，而且搜一下代码，pipline 和 backend 很多使用 paddleocr 的包，所以也不能完全说没关系吧。

再搜了一下谷歌，"MinerU 使用 PaddleOCR 进行文字识别。".https://www.53ai.com/news/OpenSourceLLM/2025040908693.html

@miracleyin 感谢老哥，明朗了，怪不得两种说法都有。

@RotkPPP

> 人家都致谢 paddleocr 了

先澄清定义后讨论：

1. 「基于」的意思是「底层完全依赖某个特定包，或者在特定包的基础上进行包装」

2. 「 paddleocr 」是百度开发的工程框架和模型两者的「统称」，OP 的问题是「是否基于 PaddleOCR 模型」，即特指模型部分

> pipline 和 backend 很多使用 paddleocr 的包

MinerU 可以使用 PaddleOCR 模型，当然会依赖那些包。另外虽然我没有具体读过代码，但如果 MinerU 使用了 PaddleOCR 的工程函数来做图像处理，也是合理的。但不能说「 MinerU 基于百度的 paddleocr 0.9b 模型」。

> 再搜了一下谷歌，"MinerU 使用 PaddleOCR 进行文字识别。"

所以说不要再看 AI 反刍的二道贩子知识了啊……

@RotkPPP 首先，paddleocr 是很多年的 OCR 项目，包含了很多非 transformer 架构的模型，paddleocr 0.9B 仅仅是 paddleocr 项目里最新的一个模型。其次，mineru 的出现比 paddleocr 0.9B 早。