1.3B轻量模型OXR开源：登顶三大文档解析榜单

开源一周，GitHub 斩获超 1000 Star，社交平台关注度破百万。文档解析赛道迎来了一位兼顾高精度与高效率的开源新选手——OXR。

OXR 全称 Optical Everything Recognition，由国内初创公司 SoMark 团队打造。其主模型参数仅 1.3B，却在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三大文档解析基准测试中全部登顶，解析速度亦显著超越 PaddleOCR-VL-1.6 与 MinerU2.5-Pro。

从 OCR 到 OXR，该模型能够解析表格、公式、化学分子式等 13 类文档元素，输出带有版面坐标的 Markdown 或 JSON，让纸质与 PDF 文档转变为下游 AI 智能体可直接利用的结构化数据。

全球三榜登顶，全面解析复杂科研图表

评测数据显示，OXR 在 OmniDocBench、olmOCR-Bench 与 DocParsingBench 上分别斩获 97.18、87.84 和 87.76 分，全线位列第一。

针对包含跨行跨列、合并单元格的复杂表格，OXR 能够准确保持行列关系与层级结构，将其完整还原为 HTML 格式：

在科研论文场景中，模型可将多重上下标与嵌套公式转录为 LaTeX，将化学方程式转为 mhchem 格式，并将二维化学分子结构图直接提取为 SMILES 字符串，把平面像素转换为计算机可编辑的符号语言。

面对多栏论文、报纸或试卷混排的复杂版面，左右串读是常见痛点。OXR 在识别内容的同时利用语义判断阅读顺序，并提供精确的版面坐标，确保正文与旁注逻辑不被割裂。

精度与吞吐双 SOTA：单卡解析提速明显

在批量文献入库、金融研报解析等大规模数据清洗任务中，吞吐量至关重要。

在单张 96GB 显存显卡上处理 OmniDocBench 随机抽取的 100 页文档，OXR 平均用时约 101 秒，而 PaddleOCR-VL-1.6 需要约 145 秒，MinerU2.5-Pro 则需 255 秒。

这一效率源于模型的分工架构：由轻量版面分析模块负责区域定位，主模型负责内容识别与阅读顺序排序。 将排序任务并入内容识别阶段，既省去了单独后处理开销，又让模型能结合上下文语义更准地确定先后关系。

引入 RSI 训练范式与可插拔设计

为了让模型面对未见过的多变版式仍保持稳定，OXR 在后训练阶段引入了面向文档解析的递归自我改进（Recursive Self-Improvement，RSI）范式：

1. OXR 解析无标签文档；
2. 外部模型评估结果并对错误归因，通过聚类模型将问题分类；
3. 外部模型根据错误类型定向合成训练数据，驱动下一轮训练迭代。

全流程摆脱了对人工数据标注的依赖，使模型能快速修补薄弱场景。

此外，OXR 采用了可插拔的版面分析模块设计。企业开发者不仅可以使用内置检测器，还能挂载自研版面模型，自定义段落切分与图片归类规则，随后无缝复用 OXR 的内容识别与阅读顺序重组能力。

目前，OXR 的代码、模型权重与在线接口均已完全开放，开发者可通过 GitHub 仓库 或 Hugging Face 直接下载体验。