1.3B 开源模型 OXR 横扫三大文档解析基准，速度也第一

aftahi_ai · x · 2026-10-21

SoMark 团队发布开源文档解析模型 OXR（Optical Everything Recognition），仅 1.3B 参数，在 olmOCR-Bench、OmniDocBench、DocParsingBench 三个基准上均拿下开源第一（97.18 vs PaddleOCR-VL-1.6 的 96.34），100 页解析速度 101.0 秒，优于对手的 144.7 秒（RTX PRO 6000），表格解析差距最大。

技术亮点是后训练阶段首次使用递归自我改进（RSI）循环，独立建模版面并进行排序与识别联合训练。模型从零预训练，可将 PDF 和文档图像转为带版面坐标的 Markdown/JSON「Agent 友好」数据，MIT 风格开源，GitHub 已放出代码并提供免费 API 与在线 Demo。