1.3B 开源文档解析模型 OXR 登顶三项基准
SoMark 团队开源了文档解析模型 OXR-1.0（Optical Everything Recognition），仅 1.3B 参数，可将 PDF 和文档图像转为带布局坐标的 Markdown 或 JSON，面向 RAG 与 Agent 应用场景。该模型在 OmniDocBench（97.18 分，超过 Gemini 3 Pro 的 92.91）、olmOCR-Bench（87.84）、DocParsingBench（87.76）三项基准上全部排名第一，成为当前文档解析领域的小参数量领跑者，其精度最接近的对手为 Infinity-Parser2。
已确认
- 基准成绩：OmniDocBench 97.18、olmOCR-Bench 87.84、DocParsingBench 87.76，三项均第一
- 速度：在单张 NVIDIA RTX PRO 6000 上识别速度 557.8 tokens/秒，端到端吞吐 0.99 页/秒，100 页约 101 秒处理完，比 DeepSeek-OCR-2 处理同样任务快约 60 秒
- 能力范围：支持识别文本、表格、公式、化学结构等 13 类文档元素；模型内部识别与阅读顺序并行处理，布局分析作为独立外部步骤，可按需替换其他布局模型
- 训练方法：宣称是首个在后训练中使用递归自我改进（RSI）的文档解析模型——对每页多次推理，标记错误或不一致样本；让通用 VLM 解释错误；将解释聚类为反复出现的问题类型；按真实样本风格生成新图像与标注对；重新训练并循环
- 模型从零预训练，以 1.3B 参数量在多项指标上超越更大的闭源与开源对手
为什么重要
- 在 OmniDocBench 上以显著优势超过 Gemini 3 Pro，说明专用小模型在垂直文档解析任务上仍可与顶级通用大模型竞争
- 高吞吐（约 1 页/秒）加开源属性，对需要批量处理文档的 RAG 与 Agent 管线具有直接工程价值
- RSI 后训练闭环提供了一条自动化构造错误修正数据的路径，可能被其他垂域模型借鉴
2026-10-23 ~ 2026-10-23 · 6 条相关
一手来源
- 开源文档解析模型 OXR:1.3B 参数登顶三项基准 — JaynitMakwana ·
- 1.3B 开源模型 OXR 登顶三项文档解析基准，OmniDocBench 得分 97.18 超 Gemini 3 Pro — JaynitMakwana ·
- OXR 速度榜：单卡 557.8 tokens/秒，处理 100 页比 DeepSeek-OCR-2 快 60 秒 — JaynitMakwana ·
- 【源头】1.3B 开源模型 OXR 登顶三项文档解析基准，OmniDocBench 得分 97.18 超 Gemini 3 Pro — JaynitMakwana · 2026-10-23
- 【源头】OXR 速度榜：单卡 557.8 tokens/秒，处理 100 页比 DeepSeek-OCR-2 快 60 秒 — JaynitMakwana · 2026-10-23
- OXR 线程补数据：三项基准全第一，100 页解析 101 秒碾压对手 — JaynitMakwana · 2026-10-23
- OXR 识别 13 类文档元素,100 页解析仅需 101 秒 — JaynitMakwana · 2026-10-23
- OXR 的 RSI 训练闭环:让 VLM 自动解释错误并生成新数据 — JaynitMakwana · 2026-10-23
- 【源头】开源文档解析模型 OXR:1.3B 参数登顶三项基准 — JaynitMakwana · 2026-10-23