SoMarkAI/OXR-1.0

Modèle d'analyse de documents de 1.3 milliards de paramètres pré-entraîné from scratch par SoMark, convertissant les PDF et les images de documents en Markdown ou JSON avec coordonnées de mise en page ; l'analyse de la mise en page est un petit modèle indépendant et remplaçable, tandis qu'OXR gère lui-même la reconnaissance du contenu et l'ordre de lecture, capable d'identifier 13 types d'éléments tels que les tableaux, les formules, les tampons, les blocs de code, les équations chimiques (mhchem) et les structures chimiques (SMILES).

Score en hausse de 84 · J'aime 125 · Téléchargements 2481

Raisons

• Documentation officielle des évaluations GitHub (instantané du 5 10) : olmOCR-bench 87.84 (le deuxième meilleur, Infinity-Parser2-Pro, obtient 87.60), OmniDocBench 97.18 (TeleOCR 96.91, PaddleOCR-VL-1.6 96.34), DocParsingBench 87.76 (PaddleOCR-VL-1.6 85.17), classé premier dans les trois cas.
• Officiellement, il atteint une décodage séquentiel de 557.77 tokens/s et environ 0.99 pages/s en bout en bout sur une seule carte RTX PRO 6000 Blackwell, ce qui en fait le plus rapide parmi les 21 modèles comparés ; l'entraînement postérieur utilise un processus d'amélioration récursive auto-itérative (RSI) ciblant les erreurs, sans nécessiter d'annotation manuelle.
• Il existe une API gratuite sans inscription et une démonstration en ligne, compatible avec la CLI / SDK officielle de SoMark ; hier, il a cédé sa place car les résultats n'étaient présentés que sous forme d'images, cette fois-ci complété par les chiffres textuels des documents d'évaluation, absent des numéros précédents.

Utilisation

• Essai rapide : démonstration en ligne free-oxr.somark.ai (miroir en Chine continentale somark.cn) ; après pip install somark, exécutez somark --base-url https://free-oxr.somark.ai/api/v1 --api-key dummy parse fichier.pdf --formats md,json.
• En local (Docker recommandé) : git clone SoMarkAI/OXR, hf download SoMarkAI/OXR-1.0 --local-dir ./models/OXR-1.0, puis docker build -f docker/Dockerfile.allinone et lancez-le, ouvrez localhost:8000/demo ; depuis le code source, démarrez séparément trois processus : le service du modèle OXR (vLLM 0.25.1 + plugin fourni dans le dépôt), le service d'analyse de mise en page et l'API d'analyse.
• Interface d'analyse : curl localhost:8000/v1/parse/sync -F [email protected] -F output\_formats=markdown -F output\_formats=json.

Risques

• Nécessite Linux + une carte graphique NVIDIA supportant BF16 (pilote CUDA 13.0) ; démarrage minimum sur une seule carte avec 24 Go, recommandé 48 Go ou plus pour les documents longs ou les charges concurrentes. Le vLLM officiel ne le supporte pas encore nativement, il faut utiliser le plugin hors arbre du dépôt.
• La licence est une OXR Open Source License basée sur Apache 2.0 avec des clauses supplémentaires, à vérifier avant toute utilisation commerciale ; le rapport technique n'a pas encore été publié.
• Tous les scores sont compilés par l'éditeur officiel, les scores des modèles comparés proviennent de leurs articles ou classements respectifs, sans comparaison directe avec MiniCPM-OCR 1.0 qui a aussi 1.3 milliards de paramètres ; l'API gratuite est officiellement non garantie stable, déconseillée pour la production.

Ouvrir