概览
OXR（Optical Everything Recognition）是 SoMark 背后团队在 2026 年 10 月 20 日开源的文档解析模型，参数量 1.3B，代码在 GitHub（SoMarkAI/OXR），权重同时放在 Hugging Face 和魔搭（SoMark/OXR-1.0）。官方说项目半年前启动，模型从零预训练，后训练阶段引入递归自我改进（RSI）循环，官方说这在文档解析领域是第一次。官方给出的成绩是在 olmOCR-Bench、OmniDocBench、DocParsingBench 三个基准上都排第一，单卡 RTX PRO 6000 上的解析速度在开源模型里最快；但官方也写明，对照图里其他模型的分数取自各自公开成绩，没有在同一环境全部重跑，精度和速度也是分开测的。功能上，OXR 能识别 13 类文档元素，包括公式、表格、化学方程式和结构式、代码块，并输出坐标，版面分析是可替换的独立模块。想先试效果可以用官方免费 API，不用注册、不用 Key，但排队处理、不保证稳定；正式使用需要自己部署，单张 24GB 显存的 BF16 NVIDIA 卡起步。注意许可证不是标准 Apache 2.0，而是在 Apache 2.0 基础上加了条款的 OXR Open Source License，商用前要读 LICENSE。成绩与排名均为官方说法。官方来源：https://somark.cn/oxr 、https://github.com/SoMarkAI/OXR 、https://huggingface.co/SoMarkAI/OXR-1.0 、https://docs.somark.ai/en/api-reference/oxr （2026-10-23 核对）。 定价：权重开源可自托管（OXR Open Source License，商用条件见 LICENSE）；官方免费 API 无需注册和 Key，官方说只要服务器撑得住就一直免费，不建议生产使用。
- 模态
- 多模态
- 参数量
- 1.3B
- 许可说明
- 开源 · OXR Open Source License
能力
- 文档解析：把 PDF 和文档图片转成带版面坐标的 Markdown 或 JSON，面向智能体使用
- 13 类文档元素：包括公式、表格、化学方程式、化学结构式、代码块等，均附边界框坐标
- 难版面：官方示例覆盖 A3 试卷、报纸、竖排文字、手写内容
- 成绩：官方称在 olmOCR-Bench、OmniDocBench、DocParsingBench 上均排第一（对照快照 2026-10-05，其他模型分数引自各自公开成绩）
- 速度：单张 RTX PRO 6000 Blackwell 上，在开源文档解析模型中速度第一；21 个模型同测 100 页，OXR-1.0 平均约 101 秒，页吞吐比第二名高 33.5%
- 可插拔版面分析：版面分析模块独立，可按业务替换或定制
- 部署：Docker 镜像、vLLM 树外插件（无需重新编译），需要支持 BF16 的 NVIDIA GPU、兼容 CUDA 13.0 的驱动，单卡 24GB 显存起步，长文档或高并发建议 48GB 以上
- 免费 API：无需注册、无需 API Key，排队处理，不保证稳定，官方不建议用于生产；可用 somark-py / somark-js 客户端，改 Base URL 即可切到自托管