OXR：1.3B 参数的文档解析模型，三榜第一

给 Agent 喂文档，难的不是读文字，是把公式、表格、阅读顺序这些结构不弄丢。OXR（Optical Everything Recognition）是 SoMark 团队开源的文档解析模型：输入 PDF 或文档图片，输出带版面坐标的 Markdown 或 JSON，覆盖文字、表格、公式、代码块、化学结构式等 13 类元素。官方称它在 olmOCR-Bench、OmniDocBench、DocParsingBench 三个榜单上都是第一，表格解析领先幅度最大。仓库 2026 年 10 月 5 日建库，截至 11 月 1 日有 2,801 颗星；模型 OXR-1.0 挂在 Hugging Face（约 3,500 次下载），Apache-2.0 基础上附加商用条款（见下文）。

性能数据

要紧的是分清口径：这些成绩来自团队公布的评测图（上图），OXR 在其中排第一，但参测模型名单由官方选定，第三方尚未独立复测；论文标注 arXiv「Coming Soon」，暂无同行评审。三个榜单侧重不同——OmniDocBench 覆盖多种版式和阅读顺序，olmOCR-Bench 按具体检查项验证关键内容是否保留，DocParsingBench 看解析质量。速度方面官方称在 RTX PRO 6000 上是开源模型里最快的。

核心功能

OXR 从零预训练，后训练阶段用了递归自我改进（RSI）循环——官方称这在文档解析领域是首次。系统拆成两个模型：版面分析模型加识别模型，阅读顺序并进识别阶段由同一模型处理，官方称这个设计同时提了速度和精度。版面分析模块做成可插拔的，可以换自己的版面模型。1.3B 参数意味着单卡能跑，不必按 7B 级模型的显存预算来规划。

典型使用场景

• 把论文、合同、报告批量喂给 RAG 知识库的团队：公式转 LaTeX、表格转 HTML、每个块带坐标可回溯原页。
• 需要自托管、不能把敏感文档送外部 API 的场景：1.3B 参数单卡可跑，权重在 Hugging Face。
• 想替换解析后端的应用：版面分析模块可插拔，能换成自己的版面模型。

试效果不用装环境：在线 Demo 在 free-oxr.somark.ai，免注册；Free API 也无需 key，但官方明确不建议用于生产——不保证稳定性，请求排队。生产化就从 Hugging Face 拉 SoMarkAI/OXR-1.0 权重自己跑。

快速上手

pip install somark

权重从 Hugging Face 拉 SoMarkAI/OXR-1.0（官方仓库 pip install somark 起步，推理可用 vLLM，需装 README 提供的 out-of-tree 插件）。不装环境就先开 free-oxr.somark.ai 的在线 Demo，免注册上传 PDF 直接看解析结果。Free API 无需 key，但官方不建议生产使用——请求排队、无稳定性承诺。

许可证要注意

OXR 的 LICENSE 是 Apache-2.0 加附加条款，逐条读过原文：总融资或年营收超过 200 万美元的公司商用需另购商业授权；对外提供在线服务须标注「非 SoMark 官方」；不得用 OXR 经营与 SoMark 竞争的托管解析 API。个人使用、研究和未过门槛的小公司不受影响，但创业公司引入前要把这三条过一遍。

小结

OXR 适合需要把文档批量转成 Agent 可用数据的团队：公式和表格保留完整、带坐标可回溯，1.3B 的体量自托管门槛不高。判断留给你：榜单成绩目前只有官方口径，等 arXiv 论文或第三方复测出来再定不迟；商用授权的三条附加条款是引入前的必读项。GitHub 数据核验于 2026 年 11 月 1 日。