做 RAG、搭知识库的朋友，最近可能刷到过这么一条消息：阿里开源的一个 0.8B 小模型 OvisOCR2，以 96.58 的总分登顶了文档解析权威榜单 OmniDocBench v1.6，把长期霸榜的 MinerU 等流水线方案超了过去。知乎几乎同一时间，社区里开始冒出「MinerU 被拉下神坛」的说法。
但有意思的是，就在大家讨论它是不是「过气」的当口，上海AI Lab 在 8 月悄悄干了两件大事：一边把 MinerU 升了个大版本，一边上线了能读懂化学分子结构图的专门解析能力。被议论「过时」的那个，反而在持续进化。
今天把这几件事放一起说清楚：MinerU 到底是什么、8 月更新了什么、「被拉下神坛」是怎么回事，以及最实际的——这个免费工具，现在到底还值不值得你花时间去用。
先搞懂：MinerU 是个啥
一句话：它是把「人能看的 PDF」变成「AI 能用的结构化数据」的开源工具，由上海AI Lab 的 OpenDataLab 团队出品。官方说法是，MinerU 诞生于书生·浦语的预训练过程，所以它的目标从一开始就不是「屏幕上看着像原页面」，而是输出要方便训练、检索和 Agent 消费。知乎
它能吃进 PDF、图片、DOCX、PPTX、XLSX，吐出结构化的 Markdown 和 JSON，公式转成 LaTeX、表格转成 HTML，还会处理页眉页脚、扫描页和复杂的阅读顺序。它解决的痛点非常具体：双栏论文、满是表格的合同、扫描件，普通 OCR 一读就乱——公式符号认错、表格被摊平、两栏正文搅在一起，这样的内容喂进 RAG，大模型的回答自然偏离原文。
八月动作一：MinerU 3.4 大版本升级
这次底层换上了全新的 PP-OCRv6 模型，整体识别准确率比旧版提升 11%，解析速度直接翻倍。知乎新版本还加了两档解析强度——medium 均衡速度、high 极致精度，并支持全平台本地离线解析，文档不用上传云端。对涉密资料、企业内部文件来说，这一点比任何榜单分数都实在。
八月动作二：MinerU.Chem，化学文献专用
这一步更能体现上海AI Lab 的科研底色。化学论文和专利里，分子结构、反应路线、催化剂条件往往藏在图片里，化学家一眼能看懂，对 AI 却只是一堆像素。MinerU.Chem 要做的，就是把这些「锁在图里的知识」变成机器可计算的结构化数据。
在 MolRecBench-Wild 评测上，MinerU.Chem 部署的 GTR-VL-1.4.13 模型，SMILES 精确匹配率达到 93.02%，而相同口径下 GPT-5.6-Sol 只有 74.87%，领先了 18.15 个百分点。知乎官方表示，它后续将接入「书生·端砚」科学发现平台，面向药物研发、新材料这类场景。对化学、药学方向的研究者，这是个相当实用的新工具。
那「被拉下神坛」到底怎么回事
先说结论：这事是真的，但「被拉下」的是榜单上的一个分数，不是 MinerU 这个工具本身。这里要拆成三点看。
第一，被超的是「解析模型」的榜，不是 MinerU 的「工具链」价值。MinerU 不只是一个模型，它是一套包含本地部署、多后端、隐私保护甚至化学专项的完整工程工具，这些价值不是一个榜单能量出来的。
第二，新冠军自己也有明显短板。在手机拍屏、复印件、压缩截图这类「脏图」场景，OvisOCR2 仍然落后于 Gemini-3.1-Pro 这类大模型。知乎也就是说，96.58 说的是干净和轻度退化的文档，不是全部真实世界的脏文档。
第三，MinerU 自家的解析模型也不弱。MinerU2.5-Pro 保持 1.2B 参数架构一字不改，纯靠数据工程和训练策略，把 OmniDocBench v1.6 Full 从 92.98 拉到 95.69，超过了不少参数量大它几百倍的通用大模型。团队的判断很直白：当前文档解析的性能瓶颈，根本不在模型架构，而在训练数据。知乎
所以真正的启示是：榜单会一直滚动，工具链才是长期资产。不必因为一次榜单就慌着换工具，拿你手头的文档去实测才是正经事。
一点深聊：为什么「解析」决定了你 RAG 的上限
如果你在做知识库，请记住这句话：解析器若把公式符号认错、把表格摊平、把双栏正文交叉拼接，后面的切块、向量检索和大模型，就只能处理这份失真的输入——系统可以全程不报错，答案却已经偏离了原文。知乎
这就是为什么文档解析是那个「看不出花、却决定天花板」的环节，也是很多人兜兜转转最后还是选了 MinerU 的原因：它不一定最炫，但把「页面结构恢复」做成了一件可以被测试、可以稳定部署的事。
那它适合谁，怎么用
直接给判断。
适合这些人：
在做 RAG / 知识库，手里有大量论文、合同、报告要处理
研究生、科研人员，需要把文献批量转成能用的文本
企业用户，文档涉密、要本地离线、不能上云
化学、药学、新材料方向，想把文献里的分子和反应「解锁」出来，直接上 MinerU.Chem
解析模式怎么选：
日常批量、文档不复杂：用 medium 档，图快
公式表格多、数值错一点就出事：用 high 档，图稳
本地还是在线：
涉密文档、想省 API 费、手里有 GPU：本地部署
想先试试水、量不大：直接用 mineru.net 在线服务
可能不适合的情况：
只想从电子版 PDF 里抽纯文字，PyMuPDF 这类轻量工具就够了，犯不上部署这么重的东西
全是手写批注、糊到拍屏的极端脏图，小模型也扛不住，得上大多模态模型
避坑提醒： 本地部署时如果遇到模型权重下载失败、版本不匹配，先去项目 Issues 里搜一搜，这是新手最常卡住的地方。选型时建议锁定版本号、模型和运行参数，别让它悄悄升级带来意外。
最后给几个值得盯的信号
文档解析已经进入「流水线 vs 端到端」的混战，OvisOCR2 这类端到端小模型还会不断冒出来，MinerU 也会继续进化——这种竞争对用户是好事。
上海AI Lab 的路线很清晰：通用解析（MinerU）＋科学专项（MinerU.Chem）＋平台化（书生·端砚），是奔着 AI4S 科学智能去的。
如果你正在用，建议锁版本、拿自己「老大难的文档」做 A/B 测试，这是判断一个解析工具适不适合你的最快方式。
一句话收尾：MinerU 没有因为一次榜单就「塌房」，上海AI Lab 8 月的两步棋反而让它「开源文档解析基建」的位置更稳了。值不值得装，取决于你有没有「把一堆 PDF 喂给 AI」的需求——有的话，这个免费、能本地跑、还能读化学式的开源工具，依然是当下值得优先考虑的选择。
