Funcionalidades
- Formatos de entrada: PDF, DOCX, PPTX, XLSX, HTML, EPUB e imagens.
- Formatos de saída: Markdown, HTML, LaTeX, DOCX e EPUB (entre os destinos de exportação citados no README; segundo o README, cada CLI/API oferece apenas um subconjunto).
- OCR: modelo para PDFs digitalizados e imagens.
- Fusão de tabelas entre páginas: tabelas que abrangem várias páginas são reconstruídas como uma só.
- Caixas delimitadoras: coordenadas em nível de bloco para citações.
- GPU auto-detectada: NVIDIA, AMD, Intel, Apple Silicon; ~2–3× a velocidade da CPU em cargas de inferência representativas, segundo o README.
- Local por padrão: os documentos não são enviados por padrão; a análise remota requer configuração explícita.
Instalar MinerU
- Instalação:
pip install mineru - Código-fonte: github.com/opendatalab/MinerU (MinerU Open Source License).
Fluxo de dados
- Por padrão, a análise roda na sua máquina e os documentos não são enviados; a análise remota requer configuração explícita. A configuração da análise local pode exigir download de modelos (o README indica cerca de 0,8–3 GB conforme o nível), então a primeira configuração precisa de conexão de rede.
- O modo cloud/remoto requer configuração explícita, não é padrão.
- Segundo o README, o componente Doclib inclui telemetria de uso e diagnóstico (ativada inicialmente, sem conteúdo de documentos, texto extraído, nomes de arquivo nem consultas de busca); desative-a com
mineru telemetry disableou MINERU_TELEMETRY_DISABLED=1 no ambiente do servidor Doclib. - A organização do GitHub OpenDataLab indica a China como localização (perfil do GitHub). O serviço hospedado em mineru.net linka no rodapé uma política de privacidade e um acordo do usuário; leia-os antes de enviar documentos confidenciais a qualquer modo remoto. A análise local não envia documentos.
Licença e preço
- Licença: MinerU Open Source License, baseada em Apache 2.0 com condições adicionais (não é a Apache-2.0 padrão). O uso comercial é permitido sem licença separada, a menos que você e suas afiliadas ultrapassem 100 milhões de usuários ativos mensais ou US$ 20 milhões de receita mensal total; serviços online construídos sobre o MinerU devem indicar claramente que usam o MinerU; em caso de descumprimento, a licença termina automaticamente. Leia o LICENSE.md antes do uso comercial.
- Preço: a biblioteca é gratuita para baixar e executar localmente; o serviço hospedado em mineru.net e sua API remota não foram avaliados quanto a preços ou limites de uso.
- Os limites acima vêm do LICENSE.md, que não menciona pesos de modelos. Modelos baixados na instalação podem ter licenças próprias; verifique-as antes de uma implantação comercial.
Concorrentes e alternativas
- Docling — licença MIT; iniciado pela IBM Research Zurich, hospedado pela LF AI & Data Foundation; MCP pelo pacote separado docling-mcp.
- Marker — código sob Apache 2.0, pesos do modelo sob uma licença AI Pubs Open RAIL-M modificada com limites comerciais (verifique antes do uso comercial); OCR Surya; Markdown e JSON.
- Unstructured — ETL Python; suporte amplo incluindo e-mails.
- OpenDataLoader PDF — analisador somente de PDF com SDKs de Python, Node.js e Java; saídas JSON com caixas delimitadoras, Markdown e HTML.
Perguntas frequentes
MinerU é gratuito para uso comercial?
Em grande parte, sim. O MinerU usa a MinerU Open Source License (Apache 2.0 com condições adicionais). O uso comercial é permitido sem licença separada, a menos que você e suas afiliadas ultrapassem 100 milhões de usuários ativos mensais ou US$ 20 milhões de receita mensal total; serviços online baseados no MinerU devem indicar que usam o MinerU. Leia o LICENSE.md no GitHub.
O que distingue o MinerU do Docling e do Marker?
Segundo o README, o MinerU produz LaTeX e funde tabelas entre páginas; consulte a documentação do Docling e do Marker para verificar se oferecem o mesmo antes de escolher. O Docling oferece suporte a MCP pelo pacote separado docling-mcp; o Marker usa OCR Surya.
MinerU precisa de GPU?
Não. Funciona em CPU. A GPU é detectada automaticamente em NVIDIA, AMD, Intel e Apple Silicon; o README indica aproximadamente 2–3× a velocidade da CPU em cargas de inferência representativas, e a velocidade real depende do seu hardware e do tipo de documento.
Como instalo o MinerU?
pip install mineru em um ambiente Python 3.11–3.14.
MinerU processa PDFs digitalizados?
Sim. Inclui OCR baseado em modelo para documentos digitalizados e PDFs imagem.
Que formatos o MinerU produz?
Markdown, HTML, LaTeX, DOCX e EPUB (entre os destinos de exportação citados no README; segundo o README, cada CLI/API oferece apenas um subconjunto).
MinerU tem servidor MCP?
O README não descreve um servidor MCP para a v4.2.2. Para MCP, considere o Docling (pacote separado docling-mcp).
Quem mantém o MinerU?
OpenDataLab mantém o repositório do GitHub.
MinerU funde tabelas entre páginas?
Sim. Tabelas que abrangem várias páginas são detectadas e reconstruídas como uma única tabela na saída.
Qual é a versão atual?
v4.2.2, lançada em 13 de novembro de 2026 (GitHub Releases). Verificado em 15/11/2026.
Fontes
- github.com/opendatalab/MinerU (consultado 15/11/2026).
- opendatalab.com (consultado 15/11/2026).
