开源动态8

MinerU - Popo：专治OCR跨页失忆症

CourseAI2026-09-03

AI 摘要

MinerU团队：开源MinerU - Popo，为OCR结果做后处理，把单页结果拼成文档结构。它提升了标题层级TEDS分数，加快推理速度，让下游RAG受益，成本也划算，结构处理将成文档AI标配。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

星火X2.5小模型“越级打怪”杀入万亿赛道

9月1日，Hugging Face上线星火X2.5-4B和1.7B开源端侧模型，在多指标测试中表现优异，实现“越级打怪”。该模型基于全国产算力平台训练，在断网笔记本上实测效果惊艳，使用了两项技术提升能力，适配性强。

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。

处理PDF时，若全用OCR成本和延迟会增加，直接提取文本又易遇乱序、乱码等问题。Firecrawl开源的pdf - inspector工具能智能区分扫描版和文本版PDF，按需使用OCR，精准处理。

GitHub上的项目codex-vision-proxy让接进Codex的DeepSeek能看图，不用换模型或等官方，装本地代理即可。它还附带视觉工具包，在智能文档解析和OCR上潜力大，证明多模态能力可长在管道上。