2026 年，用于批量处理 PDF 的最佳开源 OCR 工具是什么？

想确定一套完全在本地运行的 PDF 批量处理方案。每个文件大概 20–25 页，主要是文字，有一些表格，偶尔会有一页是纸质文档的照片。目前的候选有：- docling（以及 granite-docling 模型）- glm-ocr - paddleOcr-vl - olmocr 2 - mineru。我们之前考虑过用 llamaparse 处理这类东西，但公司现在要求所有文件都必须留在我们自己的服务器上，而他们的自托管方案需要洽谈企业服务。同一个团队的 liteparse 可以在本地运行，处理纯文字页面也很快，但它的 Markdown 生成是基于规则的，并用 tesseract 作为后备方案，所以合并单元格和多栏页面的解析结果并不总是很规整。对于以文字为主的 PDF，用 VLM 会不会有点大材小用？还是只把有表格和图片的页面交给 VLM，其余页面继续用文本层解析器更合理？textract 和 docuent AI 也因为同样的原因被排除了。对于这些 VLM 方案，大家是一次性把整份 25 页的 PDF 输入进去，还是先拆成几批页面？我比较想避免的就是把每个文件都拆开这一步。编辑：补充评论里提到的几个：unlimited-ocr-2、minicpm-ocr-1.0、surya-ocr-2.5、indra-ocr 和 xiaomi-ocr-0。主要想知道它们在处理这种 20–25 页、内容混杂的文件时表现如何。