开源文档解析模型 OXR-1.0：1.3B 参数登顶三榜且最快，RSI 自我改进免人工标注
rohanpaul_ai · x · 2026-10-28
SoMark 开源了 1.3B 参数的文档解析模型 OXR-1.0，可将 PDF 和页面图像转为 Markdown 或 JSON。
关键成绩
- 在 olmOCR-Bench（87.84）、OmniDocBench、DocParsingBench 三个榜单均排第一，同时是 21 个受测模型中最快的；单张 RTX PRO 6000 解码 558 tokens/秒，100 页端到端约 101 秒，页吞吐达 GLM-OCR 的 3.05 倍，比第二名 OvisOCR2 快 33.5%
- 精度领先幅度很小（olmOCR-Bench 仅领先 0.24 分），但比 olmOCR-Bench 亚军 Infinity-Parser2-Pro 快约 64 倍
- 权重已放出 Hugging Face，轻量测试只需单张 24GB GPU，还有免账号免 key 的免费 API
架构设计
- 把布局检测从识别/阅读顺序中拆出：小布局模型画框，1.3B 的 OXR 读每个框并确定阅读顺序，团队可替换自己的布局模型复用其余部分
- 输出 13 类元素并带页面坐标：表格输出 HTML/Markdown，公式与化学方程式输出 LaTeX，分子结构输出 SMILES，页眉页脚默认过滤
递归自我改进（RSI）循环
- OXR 对每页多次解析，由一个通用 VLM 判定对/错/不确定；VLM 为每个失败写原因并聚类，再针对每类弱点生成新标注页供训练，全程无人工标注——号称文档解析领域首次
- 局限：该循环只能修复 VLM 能识别的错误
所属事件:SoMark 开源 1.3B 文档解析模型 OXR 登顶三榜(2 条相关)→
「模型」频道最新
- GPT-6.1 Terra 登上 GBENCH：成本 $0.03 撬动 85.6 百分位，OpenAI 霸榜前二 — sandersted · 2026-10-28
- 创业者控诉 Claude 写隐私政策过度「道德执法」,连创始人姓名都写进去 — StewartalsopIII · 2026-10-28
- Cartesia Managed Agents 登顶语音 Agent Arena，Elo 1115 领先自家旧品 98 分 — ArtificialAnlys · 2026-10-28
- 社区流出 LFM3-1.7B 去审查 GGUF，拒绝率从 61.7% 降到 0% — alexcovo_eth · 2026-10-28
- CRUX 影子评测:GPT-6 Astra 与 Claude Fable 5.1 独立研究论文均遭专家拒稿 — patpat_mit · 2026-10-28
- Ollama 云服务上线：联手 Crusoe 跑前沿开源模型 — ollama · 2026-10-28