ME News 消息，4 月 15 日（UTC+8），据 1M AI News 监测，网页数据提取工具 Firecrawl 发布 Fire-PDF，用 Rust 重写的 PDF 解析引擎，将 PDF 转为结构化 Markdown 的速度提至上一代的 3.5 至 5.7 倍，平均每页处理时间低于 400 毫秒。 提速核心在于减少不必要的 GPU 调用。Firecrawl 同步开源了 Rust 库 pdf-inspector，可在毫秒级对每页 PDF 进行分类：纯文本页直接原生提取，跳过 GPU；只有扫描件或图片密集的页面才送入神经网络布局模型和 GLM-OCR 视觉语言模型处理。以一份 150 页文本加 60 页扫描件的财报为例，大部分页面无需 GPU。 准确度方面，Fire-PDF 对不同内容类型分别设参：表格获得更高 token 限额和最多 25 秒生成时间，公式以 LaTeX 保留，多栏布局通过神经网络预测阅读顺序。Fire-PDF 已对所有 Firecrawl 用户自动生效，无需配置。 （来源：BlockBeats）
Firecrawl用Rust重写PDF解析引擎，速度最高提至此前5.7倍
ME News 消息，4 月 15 日（UTC+8），据 1M AI News 监测，网页数据提取工具 Firecrawl 发布 Fire-PDF，用 Rust 重写的 PDF 解析引擎，将 PDF 转为结构化 Markdown 的速度提至上一代的 3.5 至 5.7 倍，平均每页处理时间低于 400 毫秒。 提速核心在于减少不必要的 GPU 调用。Firecrawl 同步开源了 Rust 库 pdf-inspector，可在毫秒级对每页 PDF 进行分类：纯文本页直接原生提取，跳过 GPU；只有扫描件或图片密集的页面才送入神经网络布局模型和 GLM-OCR 视觉语言模型处理。以一份 150 页文本加 60 页扫描件的财报为例，大部分页面无需 GPU。 准确度方面，Fire-PDF 对不同内容类型分别设参：表格获得更高 token 限额和最多 25 秒生成时间，公式以 LaTeX 保留，多栏布局通过神经网络预测阅读顺序。Fire-PDF 已对所有 Firecrawl 用户自动生效，无需配置。 （来源：BlockBeats）