SoMark 团队开源 1.3B 文档解析模型 OXR，三项基准登顶
OXR强势开源！1.3B横扫全球三榜第一，速度快过Paddle、MinerU，RSI让它卷出新高度
SoMark 团队开源文档解析模型 OXR，主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中全部登顶，完整解析速度超过同场参测的 PaddleOCR-VL-1.6 和 MinerU2.5-Pro。该模型覆盖文字、表格、公式、化学结构式、代码块等 13 类文档元素，可解析阅读顺序并输出版面坐标，将 PDF 和文档图片转为 Markdown / JSON 供 Agent、RAG 等下游流程使用。
正文
文档解析赛道，又迎来一位强劲的新选手。
OXR 正式开源：主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中全部登顶，完整解析速度也超过了同场参测的 PaddleOCR-VL-1.6 和 MinerU2.5-Pro，把轻量模型的精度与效率同时推到了榜首。 其背后的 SoMark 团队来自国内一家初创公司，深耕于文档智能领域，此前持续围绕核心产品 SoMark 打磨解析能力，如今推出了开源模型 OXR。
多栏论文、报纸和试卷还考验阅读顺序。即便每个区域都识别正确，左右栏串读、正文与旁注混杂，仍会破坏原文含义。OXR 在识别内容的同时判断阅读顺序，并提供版面坐标，保留内容在页面中的位置。
这些能力共同构成了 OXR 的“Everything”：覆盖文字、表格、公式、化学结构式、代码块等 13 类文档元素，将 PDF 和文档图片解析为 Markdown / JSON，供 Agent、RAG 等下游流程使用。
本文由SoMark团队提供，量子位获授权转载，观点归原作者所有。