Pular para o conteúdo principal
PromptQuorumFeito para humanos. Estruturado para IA.
Início/LLMs locais avançados
RAG & Document Chat

Avaliação do Marker: conversor de PDF para Markdown com OCR e extração de tabelas

·6 min de leituraPor · Fundador do PromptQuorum · Mecanismo de descoberta de IA de pesos abertos e código aberto

Marker (40.000+ estrelas no GitHub) converte PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens para Markdown, JSON e HTML com o modelo Surya OCR; o código é Apache-2.0; os pesos do modelo usam outra licença com limites de receita. É uma biblioteca Python e CLI; instale com pip install marker-pdf.

Principais conclusões

  • Código Apache-2.0, pesos do modelo com outra licença; 40.000+ estrelas GitHub; desenvolvido pela Datalab.
  • pip install marker-pdf — Python 3.10+ e PyTorch necessários.
  • Saídas: Markdown, JSON (com caixas delimitadoras), HTML e chunks para RAG.
  • Surya VLM para OCR; TableConverter para tabelas.
  • O README não menciona um servidor MCP.

📍 Em uma frase

Marker é uma biblioteca Python (código Apache-2.0, pesos do modelo com outra licença) que converte PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens para Markdown, JSON e HTML com OCR Surya, na sua máquina ou via API Datalab.

💬 Em termos simples

Você fornece um documento; o Marker lê a estrutura e o texto — incluindo tabelas e páginas digitalizadas — e grava Markdown ou JSON pronto para uso em um sistema RAG ou LLM. Por padrão, o Marker processa os documentos na sua máquina; o modo opcional --use_llm pode enviar conteúdo ao provedor de LLM que você configurar.

📌Nota: O PromptQuorum não testou o Marker. Todas as informações provêm de github.com/datalab-to/marker e datalab.to, consultados em 15/11/2026.

Marker é uma biblioteca Python e CLI de código aberto que converte PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens para Markdown, JSON e HTML usando o modelo Surya VLM para OCR. Esta avaliação se baseia no repositório GitHub do Marker e em datalab.to, consultados em 15 de novembro de 2026.

Avaliação do Marker: conversor de PDF para Markdown com OCR e extração de tabelas

Funcionalidades

  • Formatos de entrada: PDF, PPTX, DOCX, XLSX, HTML, EPUB e imagens.
  • Formatos de saída: Markdown, JSON com caixas delimitadoras, HTML e chunks para RAG.
  • OCR: Surya VLM — processa documentos digitalizados multilíngues.
  • Extração de tabelas: TableConverter reconstrói tabelas em Markdown e JSON.
  • GPU opcional: funciona em GPU, CPU ou Apple MPS.
  • API Datalab: franquia gratuita mensal (o README cita cerca de 5 000 páginas de conversão; veja datalab.to/pricing); planos pagos para maior volume.

Instalar Marker

  • Local (Python): pip install marker-pdf para PDF; `pip install marker-pdf[full]` para outros formatos (PPTX, DOCX, XLSX, HTML, EPUB).
  • Servidor Surya: no primeiro uso, o Surya inicia um servidor de inferência local; ele exige Docker com vllm e o NVIDIA Container Toolkit em GPUs NVIDIA, ou o binário llama.cpp llama-server em CPU e Apple Silicon.
  • API Datalab: crie uma conta em datalab.to; franquia gratuita mensal (veja datalab.to/pricing).
  • Código-fonte: github.com/datalab-to/marker (código: Apache-2.0).

Fluxo de dados

  • Por padrão, o Marker processa os documentos na sua máquina. O modo opcional --use_llm pode enviar conteúdo ao provedor de LLM que você configurar (padrão gemini-3.5-flash; Claude, compatíveis com OpenAI, Azure, Vertex, OpenRouter e Ollama também são aceitos). O README não informa quando os pesos do modelo são baixados; espere um download durante a instalação.
  • A API Datalab envia documentos para servidores externos: verifique os termos antes de usar dados confidenciais.
  • Para cargas de trabalho sensíveis, execute o Marker localmente sem --use_llm.

Licença e preço

  • Licença: o código é Apache-2.0; os pesos do modelo usam uma licença AI Pubs Open RAIL-M modificada, gratuita para pesquisa e uso pessoal e para organizações com no máximo 5 milhões de USD de receita bruta no ano anterior e no máximo 5 milhões de USD de financiamento total captado. Organizações maiores precisam de uma licença comercial da Datalab, e a licença proíbe o uso em produtos ou serviços que concorram com a Datalab.
  • Uso local: sem conta; gratuito dentro dos termos da licença dos pesos indicada acima.
  • API Datalab: franquia gratuita mensal (o README cita cerca de 5 000 páginas de conversão; a página de preços indica em dólares: US$ 20/mês com e-mail corporativo, US$ 10 com e-mail pessoal); condições atuais em datalab.to/pricing.

📌Nota: Aviso: verifique a licença dos pesos do modelo antes do uso comercial. Apenas o código do Marker é Apache-2.0. Os pesos usam uma licença AI Pubs Open RAIL-M modificada; organizações com mais de 5 milhões de USD de receita bruta ou de financiamento total precisam de uma licença comercial da Datalab.

Concorrentes e alternativas

  • Docling — MIT da IBM; servidor MCP documentado (pacote separado docling-mcp) e mais formatos de saída.
  • MinerU — open source com a MinerU Open Source License (Apache 2.0 mais condições adicionais; verifique antes do uso comercial); saídas Markdown, HTML e LaTeX.
  • Unstructured — biblioteca ETL Python; suporte amplo incluindo e-mails.
  • OpenDataLoader PDF — analisador somente de PDF com SDKs Python, Node.js e Java; saídas JSON com caixas delimitadoras, Markdown e HTML.

Comparar no diretório

Perguntas frequentes

Marker é gratuito para uso comercial?

Depende da sua organização. O código é Apache-2.0, mas os pesos do modelo usam uma licença AI Pubs Open RAIL-M modificada: gratuita para pesquisa e uso pessoal e para organizações com no máximo 5 milhões de USD de receita bruta no ano anterior e no máximo 5 milhões de USD de financiamento total captado. Organizações maiores precisam de uma licença comercial da Datalab, e a licença proíbe o uso em produtos ou serviços que concorram com a Datalab. Verifique a licença do modelo antes do uso comercial.

Qual é a diferença entre Marker e Docling?

Ambos convertem PDFs localmente. Marker usa Surya OCR para Markdown limpo; Docling (MIT, IBM) tem um servidor MCP documentado (pacote separado docling-mcp) e mais formatos.

Marker precisa de GPU?

Não. Surya VLM funciona em CPU. GPU acelera o processamento, mas não é obrigatória.

Como instalo o Marker?

pip install marker-pdf em um ambiente Python 3.10+ (`pip install marker-pdf[full]` para formatos que não sejam PDF). PyTorch também é necessário. No primeiro uso, o Surya inicia um servidor de inferência local: ele exige Docker com vllm e o NVIDIA Container Toolkit em GPUs NVIDIA, ou o binário llama.cpp llama-server em CPU e Apple Silicon.

Marker processa PDFs digitalizados?

Sim. O modelo Surya VLM realiza OCR em documentos digitalizados e PDFs baseados em imagem.

Quais formatos o Marker produz?

Markdown, JSON com caixas delimitadoras, HTML e chunks para RAG.

Marker tem servidor MCP?

O README do Marker não menciona um servidor MCP, portanto nenhum está documentado. Se você precisa de uma integração documentada com assistentes de IA, considere o Docling, que lista uma.

O que é a API Datalab?

Serviço hospedado da Datalab, empresa que desenvolve o Marker. Franquia gratuita mensal (o README cita cerca de 5 000 páginas de conversão; a página de preços indica em dólares: US$ 20/mês com e-mail corporativo, US$ 10 com e-mail pessoal); condições atuais em datalab.to/pricing.

Marker extrai tabelas?

Sim. O TableConverter reconstrói tabelas em Markdown e JSON (funcionalidade documentada no README).

Qual é a versão atual?

v2.2.0, lançada em 12 de novembro de 2026 (GitHub Releases). Verificado em 15/11/2026.

Fontes

← Voltar para LLMs locais avançados

MCP