PyMuPDF4LLM vs pdfplumber vs Marker, 실제 PDF로 비교해 봤습니다

PyMuPDF4LLM vs pdfplumber vs Marker: 결론부터

모든 테스트에서 이긴 라이브러리는 없었습니다. 아래에서 각 행의 근거가 된 숫자를 보여 드리니, 갖고 계신 PDF를 기준으로 pymupdf4llm vs pdfplumber vs marker 중에서 고르시면 됩니다.

테스트 방법: 하드웨어, 버전, 문서

공정하게 비교하려고 세 라이브러리에 같은 파일을 같은 기기에서 넣었습니다. 모든 실행은 CPU에서 PDF만 파싱했습니다. Intel(R) Xeon(R) Processor, 8 vCPU, RAM 16GB, GPU 없음, Linux 6.12.94+ x86_64, Python 3.13.5. 버전은 pymupdf4llm 1.28.2(PyMuPDF 1.28.2), pdfplumber 0.11.9(pdfminer.six 20251230), marker-pdf 2.0.0(surya-ocr 0.22.1, torch 2.14.1+cpu)입니다. 토큰은 tiktoken 0.14.0의 o200k_base 인코딩으로 셌고, 테스트 날짜는 2026년 10월 19일입니다.

• 문서: 제목 13개와 표 1개가 있는 5쪽짜리 영문 가이드, 제목 29개와 표 4개가 있는 11쪽짜리 중국어 보고서, 모든 쪽에 같은 머리글과 쪽 번호가 붙은 4쪽짜리 영문 보고서.
• 표 예제: 정답 표를 셀 단위로 알고 있는 1쪽짜리 PDF 11개. 그중 두 개는 표가 아예 없습니다.
• 설정: 각 라이브러리의 기본값. pdfplumber는 Markdown 출력이 없어서, 텍스트 줄과 find_tables() 결과를 읽는 순서대로 이어 붙이는 코드를 20줄쯤 직접 썼습니다. marker는 기본 설정(CPU 기본값인 빠른 모드)으로 한 번, --disable_ocr로 한 번 돌렸습니다.
• 시간 측정: 세 번 실행한 중앙값. marker 모델은 미리 한 번 불러 두었고(4.79초), 워밍업 실행 한 번은 버렸습니다.

import pymupdf4llm
md = pymupdf4llm.to_markdown("report.pdf")

import pdfplumber
with pdfplumber.open("report.pdf") as pdf:
    for page in pdf.pages:
        lines = page.extract_text_lines()
        tables = page.find_tables()

from marker.converters.pdf import PdfConverter
from marker.models import create_model_dict
from marker.output import text_from_rendered
converter = PdfConverter(artifact_dict=create_model_dict())
md, _, _ = text_from_rendered(converter("report.pdf"))

CPU에서 marker 2.0을 쓰려면 llama.cpp의 llama-server 바이너리도 README에 따라 따로 설치해야 하고, 처음 실행할 때 저희 기기에서는 모델 파일을 약 1.8GB 내려받았습니다. 처음 두 번은 실패했습니다. 한 번은 torch와 torchvision 버전이 맞지 않아서, 한 번은 llama-server가 없어서였습니다. 라이브러리 버그가 아니라 설치 문제였지만, 시간을 넉넉히 잡으세요.

속도와 토큰 수

pymupdf4llm vs pdfplumber vs marker의 차이가 가장 큰 곳은 속도입니다. pdfplumber는 짧은 보고서에서 가장 빨랐지만(0.023초), 중국어 보고서에서는 가벼운 도구 중 가장 느렸습니다. pymupdf4llm은 쪽당 0.1~0.14초로 꾸준했습니다. marker는 모델을 미리 불러 둔 상태에서도 영문 가이드에서 pymupdf4llm보다 5배 느렸고, --disable_ocr를 켜면 차이가 줄었습니다.

가벼운 두 라이브러리의 토큰 수는 비슷했습니다. marker는 중국어 보고서에서 약 12% 더 많은 토큰을 냈는데, <sup> 태그와 쓸데없는 공백 탓이 큽니다. 짧은 보고서에서는 반복 머리글을 지운 덕분에 오히려 적었습니다.

제목과 페이지 군더더기

두 번째로 큰 차이는 제목입니다. pymupdf4llm은 모든 제목을 올바른 수준으로 찾았습니다. 가이드의 굵은 글씨 FAQ 질문(6줄)도 제목으로 표시했는데, 쓸모 있을 때도 있습니다. pdfplumber는 제목 개념이 없어서 평평한 텍스트만 나옵니다. marker는 제목을 대부분 찾았지만 수준이 틀린 경우가 많았습니다.

4쪽 보고서에서 pymupdf4llm과 pdfplumber는 반복 머리글 4개와 쪽 번호 4개를 그대로 남겼고, marker는 둘 다 지웠습니다. pymupdf4llm vs marker에서 가장 분명한 차이입니다. marker의 레이아웃 모델은 머리글이 뭔지 알고, 가벼운 라이브러리는 모릅니다. pdfplumber는 줄 끝에서 끊긴 단어도 하나 남겼습니다.

표: 테두리 있음, 없음, 병합 셀

표에서는 PDF에 선이 그려져 있느냐에 따라 순위가 갈립니다. pdfplumber의 find_tables()는 그어진 선을 따라가기 때문에, 격자가 그려진 PDF라면 병합된 셀까지 정확합니다. 선이 없으면 아무것도 찾지 못했습니다. pymupdf4llm은 테두리 있는 표 대부분에서 정확했지만, 셀 안에 이스케이프되지 않은 |가 있는 오피스 표 하나를 깨뜨렸습니다. marker는 간단한 테두리 없는 예제 두 개를 셀의 83~90%까지 찾았고, pymupdf4llm은 하나를 40%, pdfplumber는 하나도 못 찾았습니다. 다만 병합 셀 예제에서 marker는 열을 합쳐 버렸습니다.

오피스에서 내보낸 테두리 없는 표는 세 라이브러리 모두 찾지 못했습니다. 표가 가장 중요하다면 PDF 표 변환 가이드에서 테두리 없는 표가 왜 어떤 도구에게나 어려운지 설명합니다.

중국어 텍스트: 글자 보존, 공백, 문장부호

중국어 텍스트에서는 순위가 또 바뀝니다. 원본 PDF에는 문장 안에 공백이 하나도 없습니다. pymupdf4llm은 모든 글자와 전각 쉼표를 지켰지만 문장 안에 공백을 159개 끼워 넣었습니다. pdfplumber도 글자는 지켰지만 문장 중간에 줄바꿈을 140개 남겼습니다. marker는 일부 섹션 제목을 포함해 글자의 1.4%를 잃었고, 전각 쉼표를 모두 ASCII 쉼표로 바꿨으며, <sup> 태그를 152개 추가했습니다. 중국어 PDF에서는 marker 출력이 손볼 곳이 가장 많았습니다.

라이선스: AGPL, MIT, Apache, 그리고 모델 조건

• pdfplumber: LICENSE 파일에 따르면 MIT입니다. 라이선스 고지만 남기면 비공개·상업용 코드에도 쓸 수 있습니다.
• pymupdf4llm과 PyMuPDF: 저장소에는 GNU AGPL 3.0이 들어 있고, 패키지 메타데이터에는 "Dual Licensed - GNU AFFERO GPL 3.0 or Artifex Commercial License"라고 적혀 있습니다. 간단히 말해, 이것을 쓰는 프로그램을 배포하거나 수정한 버전을 네트워크로 사용자에게 제공하면, Artifex에서 상용 라이선스를 사지 않는 한 그 프로그램의 소스 코드를 같은 라이선스로 공개해야 합니다.
• marker: 코드는 Apache-2.0이지만 모델 가중치는 수정된 AI Pubs Open RAIL-M 라이선스입니다. MODEL_LICENSE에 따르면 연구, 개인 용도, 총매출이나 투자금이 500만 달러 미만인 조직은 무료이고, 그 이상이면 Datalab의 라이선스가 필요합니다.

라이선스가 결정 기준이라면, 대부분의 상업 팀에게 가벼운 두 라이브러리 사이의 진짜 선택지는 AGPL이냐 MIT냐이고, marker에는 매출 기준이 하나 더 붙습니다. 이 내용은 요약일 뿐 법률 자문이 아니니, 출시 전에 라이선스 파일을 직접 읽어 보세요.