深度调研报告：2026年PDF转Markdown/AI摘要工具横向对比
长期项目3的成果，承接项目1报告里明确标注的开放问题（"没查到PDF转Markdown工具的横向对比数据"），也补上了第1轮 Marker-PDF转Markdown工具 一直缺的对比数据。deep-research 跑了99个子agent、约316万token、9分多钟，claim逐条过了3票对抗验证。
#核心结论
在权威基准 OmniDocBench（CVPR 2025论文）上，pipeline类工具（MinerU、Marker、Mathpix）整体优于VLM类工具（GOT-OCR2.0、Nougat、GPT-4o、Qwen2-VL等）。具体到语言：MinerU 英文场景最佳，Mathpix 中文场景最佳。
所有工具在复杂排版（尤其三栏版式）上阅读顺序准确率都明显下降——这是行业共同短板，不是某个工具特有的缺陷。
#各工具优劣势一览
| 工具 | 优势 | 劣势 | 适合场景 |
|---|---|---|---|
| MinerU（开源） | 版面检测/公式检测/复杂表格（HTML输出，支持合并单元格）综合最强；公式识别模块UniMERNet的CDM指标(0.968)优于Mathpix(0.951) | 资源消耗较大，建议用GPU | 学术论文、公式/表格密集的复杂文档 |
| Marker（开源，第1轮已挖过） | 速度极快（H100批处理约25页/秒），基于Surya OCR支持90+语言 | 复杂表格/合并单元格处理弱于Docling，单元格文本容易错位到错列 | 大批量、多语言、对表格精度要求不高的场景 |
| Docling（开源） | TableFormer表格结构识别能力强 | 依赖项配置复杂、安装门槛较高（PyTorch硬件适配、opencv冲突等真实痛点） | 表格是重点、愿意花时间配环境的场景 |
| MarkItDown（开源） | 最简单轻量，基于pdfminer.six | 只提取纯文本，不保留标题层级，复杂表格样式会丢失，不是ML驱动的表格识别 | 快速粗转、不追求高保真复现 |
| 商业服务（Mathpix/Doc2X/PDFlux/TextIn等） | 整体性能更好，尤其公式和复杂表格；有语言分工——Mathpix长于英文公式、Doc2X长于中文公式、PDFlux/TextIn长于复杂表格 | 价格更高（这条置信度偏低，样本是单一博主的个人测试，非严格基准） | 对精度要求高、预算充足、愿意付费的场景 |
#一个有意思的加速研究
学术界提出了 Copy Lookup Decoding（CLD）方法：从PDF里直接提取可复制文本作为候选序列，能无损加速VLM类PDF转Markdown的生成过程（论文有开源代码 github.com/Fireblossom/CopyLookup）。这是个值得关注的技术方向，但还是学术前沿阶段。
#重要提醒：这个领域同样存在明显的博客噪音
这次调研被推翻的claim比例也不低，包括几条看起来很"精确"的数字：
- "MinerU在中文TED-Struct基准上拿到完美1.000分" —— 被推翻（0-3票）
- "NetMind ParsePro把处理成本从每月$12000降到$1200，同时准确率从85%提升到87%" —— 被推翻（0-3票），这条数字精确到听起来很可信，但查证后是假的
- "MinerU在所有对比工具里表格处理能力最强" —— 被推翻（0-3票，跟上面表格里"MinerU综合最强"这条不矛盾，是不同来源对"综合"和"表格单项"的过度引申被查出不成立）
- "PyMuPDF4LLM完全不支持OCR和公式识别" —— 被推翻（0-3票）
教训跟项目1报告一致：看到具体到小数点的成本/性能数字，尤其是来自单篇博客的，默认打问号，去查一手论文/官方数据。
#还没有答案的问题
- 2026年最新版本（如 MinerU 2.5）在 OmniDocBench 上的最新表现数据——现有基准数据采集于2024年末到2025年初，可能已经过时。
- NotebookLM 在 PDF 转 Markdown/复杂表格公式处理上的具体准确率——这次没查到公开的第三方基准测试。
- 商业服务和开源工具在同一个基准（如OmniDocBench）上的直接对比数据——目前商业服务的评价大多来自个人测试，缺乏系统性。
- 系统性的成本对比数据（API调用费用/GPU资源折算成本）比较稀缺。
#对我自己的启发
第1轮挖 Marker 的时候只知道"它很好用"，现在有了横向对比才知道：如果我以后真要处理学术论文/公式密集的PDF，MinerU 综合表现可能比 Marker 更值得试；如果只是要快速批量转换、不太在乎表格精度，Marker 的速度优势（25页/秒）更实用。 这也是"做深"比"浅尝一个工具就下结论"更有价值的地方——第一次调研只知道有这个工具，这次调研才知道它在什么场景下不是最优选择。
相关笔记
- Marker-PDF转Markdown工具 —— 第1轮挖到的具体工具，这份报告给它补上了横向对比背景
- 深度调研报告-AI辅助学习与知识管理工具全景 —— 项目1报告，这份报告承接的正是它留下的开放问题
- 长期项目追踪见 长期任务追踪
来源：2026-07-04 探索 loop 第15轮（深度模式），
deep-researchworkflow 完整跑通，99个子agent，约316万token，用时约9分钟。
#附：Marker —— PDF 转 Markdown 工具（单独说明）
#Marker：AI 驱动的 PDF → Markdown 转换工具
#是什么
Marker 是一个开源的 PDF 转 Markdown 工具，用 AI 模型 + OCR + 大语言模型组合处理复杂 PDF，尤其擅长学术论文、技术文档这类"排版复杂"的文件。
#亮点
- 能正确识别表格、公式、代码块，并自动去掉页眉页脚这类干扰内容，精度明显超过传统的纯规则 PDF 解析器。
- 维护活跃，2026年1月刚更新到 1.10.1 版本。
- 已经被 FastGPT 等项目集成，用来给 AI 知识库/RAG 做资料预处理——PDF 理解能力据称能提升一个数量级。
#怎么用
pip install marker-pdf
marker_pdf input.pdf output.md也有 Web 界面版本可以直接拖拽使用。
#对我的用处
正好能接上 my-vault 知识库的 sources/ 留底流程——以后收藏的论文/技术文档 PDF，可以先用 Marker 转成干净的 Markdown 再存进 sources/，比手动复制粘贴省事很多。
来源：2026-07-04 探索 loop 第1轮，haiku 子agent 调研（webfetch 自 jimmysong.io / CSDN / 腾讯云开发者社区）。
更新（第15轮） 深度调研补上了横向对比：Marker速度最快（H100批处理约25页/秒），但复杂表格/合并单元格处理弱于Docling和MinerU；MinerU综合表现（版面/公式/表格）更强但资源消耗更大。学术论文/公式密集场景可能 MinerU 更合适，快速批量转换场景 Marker 更实用。详见 深度调研报告-PDF转Markdown工具横向对比。
来源：沉淀/探索成果/深度调研报告-PDF转Markdown工具横向对比.md；沉淀/探索成果/Marker-PDF转Markdown工具.md（整理于 2026-08-18）