SoMark이 처음부터 사전 학습한 1.3B 파라미터의 문서 해석 모델로, PDF 및 문서 이미지를 레이아웃 좌표가 포함된 Markdown 또는 JSON으로 변환합니다. 레이아웃 분석은 독립적이고 교체 가능한 소형 모델이며, OXR 자체는 콘텐츠 인식과 읽기 순서를 담당합니다. 표, 수식, 도장, 코드 블록, 화학 반응식(mhchem), 화학 구조식(SMILES) 등 13가지 요소를 인식할 수 있습니다.
상승 점수 84 · 좋아요 125 · 다운로드 수 2481
이유
- 공식 GitHub 평가 문서(10월 5일 스냅샷): olmOCR-bench 87.84(차순위 Infinity-Parser2-Pro 87.60), OmniDocBench 97.18(TeleOCR 96.91, PaddleOCR-VL-1.6 96.34), DocParsingBench 87.76(PaddleOCR-VL-1.6 85.17) 등 세 항목 모두 1위를 차지했습니다.
- 공식 발표에 따르면 RTX PRO 6000 Blackwell GPU 한 장에서 직렬 디코딩 시 초당 557.77 토큰, 엔드투엔드 처리 속도는 초당 약 0.99 페이지로, 비교 대상인 21개 모델 중 가장 빠릅니다. 후속 학습에는 오답에 대해 자동으로 반복 개선하는 재귀적 자기 개선(RSI) 프로세스를 사용했으며, 수동 라벨링이 필요하지 않습니다.
- 회원가입이 필요 없는 무료 API와 온라인 데모가 제공되며, 인터페이스는 SoMark 공식 CLI / SDK와 호환됩니다. 어제 평가 결과가 이미지로만 제시되어 순위에서 밀렸으나, 이번에는 평가 문서의 텍스트 및 수치 데이터를 통해 보완되었으며, 이전 호에서는 수록되지 않았습니다.
사용법
- 먼저 시도해 보기: 온라인 데모 free-oxr.somark.ai(중국 내 미러 somark.cn); pip install somark 실행 후 somark --base-url https://free-oxr.somark.ai/api/v1 --api-key dummy parse 파일.pdf --formats md,json 명령어 사용.
- 로컬 실행(도커 권장): git clone SoMarkAI/OXR, hf download SoMarkAI/OXR-1.0 --local-dir ./models/OXR-1.0, docker build -f docker/Dockerfile.allinone 실행 후 컨테이너 구동, localhost:8000/demo 접속; 소스 코드 기반 실행 시 OXR 모델 서비스(vLLM 0.25.1 + 저장소 기본 제공 플러그인), 레이아웃 분석 서비스, 해석 API 등 세 개의 프로세스를 각각 실행해야 합니다.
- 해석 API: curl localhost:8000/v1/parse/sync -F file=@파일.pdf -F output_formats=markdown -F output_formats=json.
리스크
- Linux 환경과 BF16를 지원하는 NVIDIA GPU(CUDA 13.0 드라이버)가 필요합니다. 단일 GPU 기준 최소 24GB의 메모리가 필요하며, 긴 문서나 동시 처리 시 48GB 이상을 권장합니다. 공식 vLLM은 아직 이를 네이티브로 지원하지 않아 저장소에 포함된 외부 플러그인을 사용해야 합니다.
- 라이선스는 Apache 2.0에 추가 조항을 더한 OXR 오픈 소스 라이선스이므로, 상업적 사용 전 조항을 확인해야 합니다. 기술 보고서는 아직 공개되지 않았습니다.
- 모든 성능 지표는 공식 집계 결과이며, 비교 모델의 점수는 각 논문이나 리더보드에서 가져온 것으로, 동일한 1.3B 파라미터를 가진 MiniCPM-OCR 1.0와의 직접 비교는 이루어지지 않았습니다. 무료 API는 공식적으로 안정성을 보장하지 않으므로 프로덕션 환경에서의 사용을 권장하지 않습니다.