OXR – SoMark 团队开源的 1.3B 文档解析模型

OXR 是 SoMark 团队于 2026 年 10 月开源的文档解析模型，用 1.3B 参数把 PDF 与文档图片转成带版面坐标的 Markdown 或 JSON，可识别公式、表格、化学式与代码块等 13 类元素，适用于论文与报告归档、票据与表单结构化、试卷与报纸版面还原等场景。

OXR 的核心能力

OXR 的能力边界由三件事决定：1.3B 参数让它在单卡上完成部署，13 类元素决定能还原哪些内容，可替换的版面分析模型决定接入方式。以下按四项能力逐条说明。

把版面还原成带坐标的 Markdown 与 JSON

OXR 的输出按元素切开、每块带 bounding box 坐标：正文、标题、图注、表格、图片、页眉页脚各自成块，阅读顺序在同一模型内算出。下游做检索切片、引用或版面回填时可直接取坐标。

13 类元素覆盖公式、表格与化学结构

13 类元素含正文、标题、图注、脚注、页眉、页脚、图片、表格、印章、公式、化学方程式、化学结构式与代码块。表格可输出 HTML 或 Markdown，公式走 LaTeX，化学结构式输出 SMILES 或图片。同类路线可对照站内的 GLM-OCR 与 FireRed-OCR。

版面分析拆成独立服务，可整块替换

官方把版面分析从识别模型里分出来，做成独立部署的服务：不同业务对元素类型、区域边界与分组的定义差别最大，也最需要改。换掉内置版面模型后，OXR 仍负责内容识别与阅读顺序，替代模型只需让输出适配 OXR 的版面分析接口。与版面分析、阅读顺序紧耦合的架构相比，这种拆法留给业务调整的空间更大。

RSI 自迭代：用模型自身的错例做后训练

OXR 从零预训练，后训练阶段引入递归自我改进（RSI）循环：针对模型识别错误或表现偏弱的样本做筛选与再训练，官方称该过程不依赖人工标注，并称是文档解析领域首次尝试。具体训练流程、数据构造与消融结果待技术报告公布。

OXR 与同类文档解析模型的对比

下表从参数规模、许可协议及官方公布的评测成绩等维度，对 OXR、PaddleOCR-VL-1.6 与 jina-ocr-v1 逐项对照。

• 表格内数据来源：OXR 的成绩与速度取自其仓库 docs/benchmark.md（精度快照 2026 年 10 月 5 日，速度在单张 RTX PRO 6000 96GB 上测得；串行解码不含首 token 与预填充，端到端含版面分析与阅读顺序）；PaddleOCR-VL-1.6 与 jina-ocr-v1 的分数为同一文档引用的对照值，参数与许可取自各自 HF 模型卡，均为厂商公布数据、未经第三方复测。
• 产品对比简述：综合成绩 OXR 居首，细分项非全面领先——OmniDocBench 上 PaddleOCR-VL-1.6 的公式 CDM 97.53、TeleOCR 的表格 TEDS 96.82 均高于 OXR；端到端速度次优为 OvisOCR2。许可差异最影响选型：jina-ocr-v1 限非商用、OXR 带附加条款。

更关注端侧部署可参考面壁智能 MiniCPM-OCR，同样是 1.3B 的文档解析模型。

OXR 的应用场景与适用人群

它的用途集中在把已排好版的文档变成可计算的数据，典型场景有四类：

• 论文与报告归档：公式、表格与正文一次转成 Markdown，公式保留 LaTeX，便于引用。
• 票据与表单结构化：印章、表格、页眉页脚分块输出，配合坐标做字段定位。
• 试卷与报纸还原：A3 试卷、多栏报纸、竖排与手写是官方样例。
• 检索增强入库：解析结果可作为切片来源，坐标用于原文回跳。

适用人群：适合要把大批 PDF 或扫描件转成结构化数据、又需要版面位置信息的团队；只做纯文字提取的可选更轻的方案，长文档可对照 Unlimited OCR 2，传统 OCR 流水线可对照 PP-OCRv6。

OXR 的使用方法

官方给出三条路径：网页版验证效果，API 轻量试跑，本机部署用于长期与私有化场景。

网页版 Demo：上传文档查看解析结果

1. 进入在线 Demo，域名为 free-oxr.somark.cn 与 free-oxr.somark.ai，互为镜像。
2. 上传 PDF 或图片，左侧可打开页眉页脚识别并调整 Temperature 与 Top P，默认值可直接使用。
3. 右侧可在 Preview、Source、Layout 间切换，查看 Markdown、源文本与版面框。

免费 API：不注册直接调用

1. 接口地址为 https://free-oxr.somark.cn/api/v1，调用不校验真实密钥。
2. 命令行工具与 SoMark 官方接口兼容，安装 somark 后替换 Base URL 即可复用；Demo 面板标注单文件 10 MiB、20 页，官方不保证稳定性。

本机部署：下载权重自行运行

1. 从 GitHub 仓库 克隆代码，用 huggingface_hub 或 modelscope 下载 OXR-1.0 权重。
2. 推荐用 Docker 一次起全部服务：构建 allinone 镜像后挂载权重目录并开放 8000 端口。
3. 从源码启动需分别拉起模型服务（8080）、版面分析服务（8081）与解析 API（8000），并在 config.yaml 中填对前两个地址。

三点需留意：官方只支持 Linux 与支持 BF16 的英伟达显卡，CUDA 13.0 驱动与 Python 3.12 是前置条件；24GB 显存对应低并发，长文档与高并发按 48GB 以上准备；在线 Demo 与免费 API 不承诺稳定性。

OXR 的项目地址

• 官方发布页（中文）：https://somark.cn/oxr
• 代码仓库：https://github.com/SoMarkAI/OXR
• 权重下载（Hugging Face）：https://huggingface.co/SoMarkAI/OXR-1.0
• 在线 Demo：https://free-oxr.somark.cn

OXR 的价格与开源情况

OXR 不收模型调用费，成本落在三条取用路径上，商用另有阈值。

• 权重与代码：免费下载，无按次调用费，成本只是自建推理的算力
• 免费 API：无需注册、可用 dummy 密钥，Demo 面板标注单文件 10 MiB、20 页，官方不承诺稳定性

商用条款是三项：以 Apache 2.0 为底，累计融资或年度总收入任一超过 200 万美元须另取商用许可；向第三方提供在线服务须在界面或公开文档显著标明 SoMark OXR；未经书面授权不得提供与 SoMark 托管 API 竞争的服务，该限制与前两项额度无关，免费提供同样受限。

OXR 的常见问题