SoMark 从零预训练的 1.3B 文档解析模型，把 PDF 和文档图片转成带版面坐标的 Markdown 或 JSON；版面分析是独立、可替换的小模型，OXR 本身负责内容识别和阅读顺序，能识别表格、公式、印章、代码块、化学方程式（mhchem）和化学结构（SMILES）等 13 种元素。
上升分 84 · 点赞 125 · 下载量 2481
理由
- 官方 GitHub 评测文档（10 月 5 日快照）：olmOCR-bench 87.84（次高 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），三项都排第一。
- 官方称在一张 RTX PRO 6000 Blackwell 上串行解码 557.77 token/秒、端到端约 0.99 页/秒，在对比的 21 个模型里最快；后训练用了针对错题自动迭代的递归自我改进（RSI）流程，不需要人工标注。
- 有免注册的免费 API 和在线演示，接口兼容 SoMark 官方 CLI / SDK；昨天因成绩只在图片里让位，这次以评测文档的文字数字补上，此前各期没有收录。
用法
- 先试：在线演示 free-oxr.somark.ai（国内镜像 somark.cn）；pip install somark 后 somark --base-url https://free-oxr.somark.ai/api/v1 --api-key dummy parse 文件.pdf --formats md,json。
- 本地（推荐 Docker）：git clone SoMarkAI/OXR，hf download SoMarkAI/OXR-1.0 --local-dir ./models/OXR-1.0，docker build -f docker/Dockerfile.allinone 后运行，打开 localhost:8000/demo；从源码则分别起 OXR 模型服务（vLLM 0.25.1 + 仓库自带插件）、版面分析服务和解析 API 三个进程。
- 解析接口：curl localhost:8000/v1/parse/sync -F file=@文件.pdf -F output_formats=markdown -F output_formats=json。
风险
- 需要 Linux + 支持 BF16 的 NVIDIA 显卡（CUDA 13.0 驱动）；单卡起步 24GB，长文档或并发建议 48GB 以上。官方 vLLM 还不原生支持，要用仓库的树外插件。
- 许可是在 Apache 2.0 基础上加了额外条款的 OXR Open Source License，商用前要看条款；技术报告还没发布。
- 所有成绩为官方汇总，对比模型的分数取自各自论文或榜单，没有和同为 1.3B 的 MiniCPM-OCR 1.0 直接对比；免费 API 官方说不保证稳定，不建议生产使用。