이파피루스, PyMuPDF4LLM 문서 파싱 벤치마크 결과 발표

이파피루스가 10월 5일 ParseBench에서 PyMuPDF4LLM이 IBM Docling보다 우수한 결과를 냈다고 밝혔다. 표 구조·본문 정확도·의미론적 포맷팅·시각적 정렬의 강점을 내세웠다. 자원 사용은 약 100분의 1, 속도는 10배 이상이라는 회사 설명이지만, 기사에는 비교 환경과 지표별 점수가 제시되지 않았다.

PyMuPDF4LLM은 오픈소스 PyMuPDF의 LLM 전처리 특화 버전이며, ParseBench는 LlamaIndex가 주관한다.

회사는 상용 PyMuPDF Pro의 마케팅도 강화할 계획이라고 밝혔다.

PyMuPDF Pro는 PDF·HWP/HWPX·Word·Excel·PowerPoint를 지원하며 파이썬 패키지로 애플리케이션에 삽입할 수 있다고 설명했다.

기사에서 벤치마크 대상으로 언급한 PyMuPDF4LLM과 상용 제품 PyMuPDF Pro를 구분할 필요가 있다.

RAG 전처리에서는 본문 추출뿐 아니라 표와 문서 구조를 보존하는 능력이 검색에 넣을 데이터의 품질을 좌우한다.