(주)이파피루스 블로그

​"그래서, 성능은요?"지난 글에서는 GPU 서버 없이 CPU 파서만으로 RAG 문서 처리 비용을 줄이는 방법을 소개했습니다.비용 이야기 뒤에는 자연스럽게 다음 질문이 따라옵니다. "그래서, 성능은요?"그래서 이파피루스와 Artifex가 직접 비교해봤습니다. 상대는 최신 VLM(Vision Language Model)인 GPT-6 Astra입니다. 같은 문서를 두고 비교한 결과, PyMuPDF Office는 GPU 없이 CPU만으로도 최신 VLM과 대등한 레이아웃 정확도를 보였고, 처리 속도는 훨씬 빨랐습니다. 비교는 이렇게 했습니다기준은 문서 파싱 벤치마크 ParseBench입니다. GPT-6 Astra는 ParseBench 리더보드와 동일한 설정으로 실행했고, 같은 문서에 대한 PyMuPDF Offi..

지금까지 PyMuPDF로 PDF에서 근거가 아주 탄탄한, LLM에 바로 넣을 수 있는 깔끔한 콘텐츠를 얻으려면 여러 라이브러리를 직접 조합해야 했습니다. 엔진 역할을 하는 PyMuPDF를 설치하고, 페이지를 LLM이 바로 활용하고 전처리할 수 있는 구조화된 데이터로 뽑아내려면 PyMuPDF4LLM을 추가로 설치했죠.여기에 읽기 순서, 머리글과 바닥글, 표, 다단 구성 같은 레이아웃까지 제대로 파악하려면 PyMuPDF Layout도 필요했습니다. 게다가 이 패키지는 반드시 다른 것들보다 먼저, 정해진 순서대로 import해야만 했습니다.물론 이 방식은 잘 동작했고, 속도도 빨랐습니다. 하지만 패키지 3개, 관리해야 할 버전 3개에 import 순서 규칙까지 신경 써야할 필요가 있었죠. 솔직히 인정하기 민망..

📌RAG 프로젝트를 멈춰 세우는 뜻밖의 복병, '문서 파서 인프라 견적서'기업에서 생성형 AI와 RAG(검색 증강 생성) 시스템을 구축할 때, 초기 기획과 예산은 보통 거대언어모델(LLM)의 성능이나 사내 지식을 검색할 벡터 DB(Vector DB)의 구조를 잡는 데 집중됩니다.​모델을 선정하고 검색 아키텍처 설계를 마치고 나면 프로젝트가 순조롭게 끝날 것처럼 보이지만, 실제 개발 단계에서 사내 문서를 시스템에 넣기 시작할 때 예상치 못한 걸림돌을 마주하게 되는데요. 바로 비정형 문서를 AI가 읽을 수 있는 텍스트로 정제해 주는 '문서 파서(Parser)'의 인프라 요구사항입니다.​인프라를 클라우드로 가든 전산실(온프레미스)에 두든, 파서 구축 단계에서 발생하는 비용은 프로젝트 전체 예산을 흔들 만큼 ..

최근 저희가 발행했 글 에서는 13개의 문서 AI(Document-AI) 리더보드를 심층 분석한 바 있습니다.조사 결과, 벤치마크 제작사나 스폰서와 연관된 모델이 참가한 10건의 사례에서 해당 모델이 상위 3위(Top 3) 안에 드는 진기하면서도 당연한 결과를 확인했습니다.사실 이 분석은 곧 저희 자신에게 던지는 질문이기도 했습니다."그렇다면 우리는 스스로에게도 동일하게 엄격한 잣대를 적용하면서 벤치마크 결과를 공개할 수 있을까?" 그에 대한 해답으로, 새로운 PyMuPDF 벤치마크 페이지는 LlamaParse의 개발사인 LlamaIndex가 구축한 벤치마크, ParseBench를 채택했습니다.경쟁사가 만든 외부 벤치마크 도구를 활용해 이른바 '원정 경기(Away Game)'를 치르는 방식을 택한 것입니..