Markerとは？
Marker は PDF、画像、Word、PowerPoint、Excel、HTML、EPUB のファイルを、Markdown、HTML、JSON、または検索向けのチャンクに変換します。表、数式、コードブロック、読む順序を保ち、各ページのヘッダーとフッターを取り除きます。保守し ているのは Datalab で、同じモデルに基づくホスト型のドキュメント API を販売しています。
2026年7月20日に出たバージョン 2.0.0 は書き直しであり、ライセンスの変更でもありました。コードは GPL-3.0 から Apache 2.0 に移りました。ダウンロードされるモデルの重みは改変版の OpenRAIL-M ライセンスのままで、研究、個人利用、売上と資金調達額が $5M 未満の企業は無料です。それより大きな企業には Datalab の商用ライセンスが必要です。
動作モードは2つです。GPU での既定である balanced は、レイアウトに Datalab の Surya ビジョンモデルを使い、質の悪いページを読み直します。CPU での既定である fast は、2,000万パラメーター（20M）のレイアウトモデルと PDF 自身のテキストを使い、ビジョンモデルは数式と破損したブロックにだけ呼び出します。オプションのフラグで外部の LLM（既定は Gemini）を加え、複数ページにわたる表やフォームを処理できます。
Markerの料金は？
| プラン | 価格 | 内容 |
|---|---|---|
| Code | Free | Apache 2.0。重みは売上と資金調達額が $5M 未満なら無料 |
| Datalab Convert | $4 per 1,000 pages | fast または balanced |
| Team plan | $400/month |
コードは Apache 2.0 のもとで無料です。重みは売上と資金調達額が $5M 未満なら無料、それ以上は商用ライセンスです。ホスト型の Datalab API は、Convert が1,000ページあたり $4（fast または balanced）、Team プランが月 $400 です。
Markerは使う価値があるか？
Marker は、Office ファイルではなく PDF が問題のときに選ぶべきオープンな変換ツールです。第三者による1,403件の PDF のセット olmOCR-bench で、Datalab は balanced モードが総合76.0、ボーンデジタルのファイルで83.5だったと報告しています。MinerU のパイプラインは72.7、Docling は50.3でした。変換速度は B200 1台で毎秒2.9ページで、MinerU は0.54でした。これらは保守者自身の実行結果ですが、ハーネスはリポジトリにあり、ベンチマークは Datalab のものではありません。これは多くの競合より踏み込んだ対応です。
ライセンスは二度読む必要があります。2026年7月の GPL-3.0 から Apache 2.0 への移行で、商用ソフトウェアにコードを組み込む際の主な障害はなくなりました。しかしコードは Surya の重みなしでは役に立たず、重みが無料なのは売上と資金調達額が $5M 未満の企業だけです。その線を越えると、商用ライセンスか Datalab の API かの選択になります。Docling と MarkItDown にはこのような条件はありません。
モードはマーケティング上の段階ではなく、本当のトレードオフです。fast モードは毎秒7.4ページで66.6を記録しますが、数式をテキストレイヤーから読むため、arXiv の数学では23.4に落ちます。テキストレイヤーだけの抽出は CPU で毎秒23.7ページで動き、数学では0、古いスキャンでは14.3です。きれいな契約書の集まりなら CPU で処理できますが、スキャンしたアーカイブや論文のライブラリには GPU と balanced モードが必要です。
運用面では、バージョン2で可動部品が増えました。balanced モードは NVIDIA GPU では Docker の中に vLLM の推論サーバーを、それ以外では llama.cpp を立ち上げ、多数の軽いワーカーがそれを共有します。同梱の API サーバーはパラメーターを5つしか公開せず、README でもあまり堅牢ではないとされているため、本番のサービスは Python API を中心に自分で作るか、Datalab から買うことになります。Datalab 独自の Chandra 2 モデルは同じベンチマークで85.8を記録しています。
真価を発揮する場面
20万（200,000）本の科学論文の検索を構築する ML エンジニア
数式と表を含む PDF をきれいな Markdown のチャンクに変える
GPU ホスト1台で、--output_format chunks を付けて balanced モードでフォルダーに marker を実行します。数式は LaTeX で出力されます。B200 で報告された毎秒2.9ページなら、200万（2 million）ページのコーパスは1台で約8日かかります。--num_chunks で複数ノードに分割することもできます。
顧客の契約書を処理する売上 $5M 未満のリーガルテックのスタートアップ
GPU もページ単位の料金もなしに、ボーンデジタルの契約書を Markdown に変換する
通常の CPU インスタンスで --disable_ocr を付けて fast モードを使います。ビジョンサーバーは起動しません。この会社規模なら重みは無料ですが、売上か資金調達額が $5M を超えたらライセンスを見直す必要があります。
自社構築と購入を比較する2,000人規模の保険会社のオペレーション責任者
Marker のセルフホストと Datalab の API への支払いのどちらにするか決める
月10万（100,000）ページなら、API の Convert の料金1,000ページあたり $4 で約 $400 となり、$400 の Team プランで賄え、BAA も付きます。この規模のセルフホストには重みの商用ライセンスに加え、GPU と待機対応のコストがかかります。
導入前に確認すること
- 導入
- PyTorch を入れた Python 3.10 以上で pip install marker-pdf（Office と EPUB には marker-pdf[full]）を実行し、marker_single file.pdf を使います。GPU モードには Docker と NVIDIA Container Toolkit も必要で、CPU と Apple Silicon では llama.cpp の llama-server が必要です。
- 連携
- Python API、CLI、Streamlit アプリ、小さな FastAPI サーバー。Gemini、Vertex、Claude、OpenAI 互換エンドポイント、Azure OpenAI、OpenRouter、Ollama を使う任意の LLM 強化。Modal へのデプロイ例。
- データとプライバシー
- ローカルで動き、私たちがリポジトリを読んだ限りではテレメトリーは見つかりませんでした。文書がマシンの外に出るのは、--use_llm が外部のモデル（既定は Gemini）に送る場合だけです。重みは改変版の OpenRAIL-M です。Datalab のホスト型 API は全プランで SOC 2 Type II を備え、データ保持はオプトインです。
- 大規模利用時のコスト
- セルフホストのコストは GPU の時間です。README によれば、balanced モードは B200 1台で GPU の約30%を使って毎秒2.9ページに達しました。Datalab の API は1,000ページ単位の課金で、lite の Convert が $0.50、fast または balanced が $4、accurate が $10 で、EU での処理には25%が加算されます。
- 制限
- README 自身が認めるとおり、入れ子の表やフォームは失敗することがあります。API サーバーでは --use_llm を使えません。必要な VRAM は公開されていません。未解決の issue は385件です。
良い点
- balanced モードで olmOCR-bench 76.0、MinerU のパイプラインと Docling を上回る
- 2026年7月にコードが Apache 2.0 に変更
- ボーンデジタルの PDF 向けの CPU のみの経路
- Markdown、バウンディングボックス付きの HTML と JSON、チャンクの出力
気になる点
- 売上か資金調達額が $5M を超えると重みに商用ライセンスが必要
- balanced モードには Docker と GPU を使う vLLM サーバーが必要
- fast モードは数式に弱い
- 同梱の API サーバーは簡素で堅牢化されていない
おすすめの人
複雑な PDF やスキャンした PDF を、自前のハードウェアで大量に変換する RAG とデータのチーム。
Markerの代替
Marker：よくある質問
- Markerは使う価値があるか？
- Marker は、開発元が測定した他のどのオープンなパイプラインよりも上手に難しい PDF を使える Markdown に変えますが、重みのライセンスがその自由に売上の上限を設けています。 評価は5点満点中4.3点です。
- Markerの料金は？
- コードは Apache 2.0 のもとで無料です。重みは売上と資金調達額が $5M 未満なら無料、それ以上は商用ライセンスです。ホスト型の Datalab API は、Convert が1,000ページあたり $4（fast または balanced）、Team プランが月 $400 です。
- Markerの欠点は？
- 売上か資金調達額が $5M を超えると重みに商用ライセンスが必要; balanced モードには Docker と GPU を使う vLLM サーバーが必要; fast モードは数式に弱い; 同梱の API サーバーは簡素で堅牢化されていない.
- Markerは誰に向いているか？
- 複雑な PDF やスキャンした PDF を、自前のハードウェアで大量に変換する RAG とデータのチーム。
- チームや本番環境でMarkerを使うと費用はいくらか？
- セルフホストのコストは GPU の時間です。README によれば、balanced モードは B200 1台で GPU の約30%を使って毎秒2.9ページに達しました。Datalab の API は1,000ページ単位の課金で、lite の Convert が $0.50、fast ま たは balanced が $4、accurate が $10 で、EU での処理には25%が加算されます。
- Markerは企業データを扱っても安全か？
- ローカルで動き、私たちがリポジトリを読んだ限りではテレメトリーは見つかりませんでした。文書がマシンの外に出るのは、--use_llm が外部のモデル（既定は Gemini）に送る場合だけです。重みは改変版の OpenRAIL-M です。Datalab のホスト型 API は全プランで SOC 2 Type II を備え、データ保持はオプトインです。
- Markerの代わりになるものは？
- 当サイトでレビューした中で最も近い代替はDocling, MarkItDown, Unstructured, pdf-inspector 、 Xberg (formerly Kreuzberg)です。
回答確認日：2026年10月23日