Наткнулся на open-source PDF-парсер, который конвертирует PDF в Markdown со скоростью до 100 страниц в секунду.

На CPU.

Без GPU, облака и API-ключей.

Что умеет:

• Таблицы
• Сложные макеты документов
• Вложенные структуры
• OCR для 80+ языков
• Интеграция с LangChain

Называется OpenDataLoader.

По бенчмаркам авторов сейчас занимает первое место среди PDF → Markdown решений.

Для контекста:

• Docling показывает хорошие результаты, но работает примерно в 15 раз медленнее
• Marker требует GPU и значительно медленнее
• PyMuPDF4LLM быстрый, но заметно хуже справляется с таблицами

Отдельно удивило, что проект делали вместе с PDF Association и командой veraPDF.

То есть не просто очередной AI-стартап с громкими заявлениями, а люди, которые много лет работают с самим PDF-форматом.

Если собираете RAG, индексируете документацию или регулярно разбираете PDF-файлы, выглядит как проект, на который стоит посмотреть.

https://github.com/opendataloader-project/opendataloader-pdf

👉 @PythonPortal