MinerU 是上海人工智能实验室 OpenDataLab 团队开源的智能文档解析工具也是开源社区中最受欢迎的复杂文档解析工具之一。它面向 PDF、图片、办公文档、网页、电子书等复杂文档提供结构化解析与内容提取能力。目前MinerU 已获得超过 8 万 GitHub Star并在科研文献解析、AI-Ready 数据生产和企业知识库建设等场景中持续被使用。今天MinerU 4.0 正式发布。这是 MinerU 面向 Agent 时代的一次重要升级模型能力进一步增强Skill 产品形态同步升级。在模型层MinerU 4.0 支持更多真实文档格式提供4种更灵活的解析模式并新增定位器能力支持 Agent 渐进式读取与原文复查同时官方首次针对 AMD Radeon GPU 本地算力环境进行适配让本地模型的部署和使用覆盖更多主流算力平台。在 Skill 层新版 MinerU Skill 让人告别手动模型部署Agent 可以自动安装并调用本地 MinerU 能力。本地解析优先同时支持 MinerU 远程服务按需启用涉及文档上传时由用户确认授权让复杂文档处理具备更清晰的隐私安全边界。从论文、研报、合同到课件、表格、扫描件更多复杂文档都可以直接交给 Agent 处理先快速读懂全貌再深入分析重点最后回到原文核验依据。MinerU 4.0做到了让复杂文档真正进入 Agent 工作流。使用入口新版 MinerU Skill 安装方式将下面内容复制给你的Agentnpx skills add opendatalab/MinerU --skill mineru --global --yesGitHub 开源项目地址https://github.com/opendatalab/MinerU一、模型升级让更多真实文档进入统一解析能力MinerU 4.0 的模型能力进一步面向真实文档场景升级。01支持更多文件格式PDF、图片以及 DOC/DOCX、PPT/PPTX、XLS/XLSX、RTF、ODT/ODS/ODP、EPUB、OFD、HTML、CSV/TSV 等常见文档与办公格式现在都可以进入统一解析流程。用户不再需要先转换格式、整理内容、复制文本再交给 Agent更多真实文档可以直接通过 MinerU 进入处理链路。02提供更清晰的解析模式面对不同文档和不同任务用户不需要用同一种方式处理所有文件。新版本提供flash、basic、standard、advanced四种模式分别对应快速预览、轻量处理、日常高质量解析和复杂文档处理让不同难度的文档匹配更合适的处理方式。03新增定位器能力可以把定位器理解为文档内容的“原文坐标”Agent 读取到一段内容后不只拿到文本也能知道它来自哪一页、哪一个内容块。后续需要复查、引用、继续阅读时可以直接回到对应位置。定位器让渐进式读取成为可能。Agent 可以先读结构和重点再围绕具体问题回到原文继续展开而不必一次性把整份文档压进上下文。04本地部署门槛进一步降低MinerU 4.0 进一步拓宽了本地运行环境的覆盖面Python 版本支持扩展至 3.10–3.14覆盖 Windows、Linux、macOS 三大主流平台并适配AMDRadeon GPU、NVIDIA、Intel 主流 GPU。即使没有 GPU纯 CPU 设备也可以使用完整功能。全部模型文件含 VLM 模型合计最低约 2GB更节省硬盘空间也让下载、安装和本地部署更轻量。二、Skill 升级让 Agent 自动调用本地与远程能力新版 MinerU Skill是 MinerU 4.0 面向 Agent 场景的重要产品入口。过去用户要让 Agent 处理复杂文档往往需要先判断本地环境、安装状态、模型依赖、处理方式和调用路径。现在这些前置判断可以交给 MinerU Skill。告别手动模型部署。你只需要让 Agent 安装 MinerU Skill它就能检查本地环境判断是否需要安装 MinerU并根据当前条件自动选择合适的安装方式和处理路径。对于论文初稿、内部报告、合同材料、企业知识库等敏感文档Agent 可以优先调用本地算力完成解析让文档处理尽可能留在本地环境中。对于开放资料、轻量任务或云端工作流Agent 也可以按需调用远程能力。远程服务不会默认启用涉及文档上传时需要用户确认授权确保文档处理具备清晰的隐私安全边界。Skill 的作用更多格式支持、多种解析模式、定位器能力、本地与远程服务构成了 MinerU 4.0 的能力基础MinerU Skill 则把这些能力组织成 Agent 可以自动执行的文档处理流程。三、典型场景Agent 如何使用 MinerU 4.0场景一混合格式科研资料整理你可以把几篇 PDF 论文、一份组会 PPT、一个 Excel/CSV/TSV实验结果表格、几张截图和网页材料直接交给 Agent。MinerU Skill 会调用 MinerU把不同格式纳入同一处理流程读取 PDF 正文、图表和公式提取 PPT 章节与观点解析 Excel 实验数据识别图片和扫描件文字内容。如果只是快速了解资料主题Agent 可以先用更快的解析模式完成初读如果需要进一步比较方法差异、实验结果或技术路线再对关键文档切换到更高质量的解析方式。最终得到的不是一堆分散文件而是一份可以继续追问的研究材料包括核心观点、方法对比、实验结果、待复查问题以及对应的原文位置。场景二长文档渐进式分析与原文定位对于几百页的技术报告、合同文件、企业内部材料等不适合直接上传的内容你也可以交给 Agent让它先判断重点再深入分析关键部分。MinerU Skill 可以优先调用本地能力完成解析在本地读取目录、章节结构和主要内容形成全局判断。当你继续追问某个指标、条款、实验设置或风险点时Agent 可以围绕具体问题搜索文档内容并定位到相关页面和内容块。此时定位器的价值会非常直接Agent 给出的结论不再只是摘要还可以带着可复查的原文依据。对科研、企业和严肃知识工作来说Agent 需要生成答案也需要帮助你验证答案。MinerU 4.0 让复杂文档从“被读入”进一步走向“可追踪、可复查、可继续使用”。四、使用入口「MinerU 让复杂文档从此成为 Agent 可直接使用的知识入口。」新版 MinerU Skill 安装方式将下面内容复制给你的Agentnpx skills add opendatalab/MinerU --skill mineru --global --yesGitHub 项目地址https://github.com/opendatalab/MinerU
功能安全设计全解析)
