SoMark 开源 1.3B 文档解析模型 OXR

国内团队 SoMark 在 GitHub 和 Hugging Face 开源了文档解析模型 OXR（Optical Everything Recognition）1.0，把 PDF 和文档图片转成带版面坐标的 Markdown 或 JSON。仓库 10 月 5 日创建，截至 10 月 31 日约 2666 星。

速度方面，官方测试在单张 RTX PRO 6000 上端到端解析 100 页用时 101 秒。训练上，团队在后训练阶段用了“递归自我改进”流程：让通用多模态模型给解析结果判对、错、拿不准，再把错因聚类，按薄弱点合成新数据训练下一轮，不依赖新增人工标注。除了自部署，官方还提供免注册的免费 API 和在线 Demo。

做 RAG 或 Agent 知识库、经常被双栏论文和跨页表格折腾的人值得一试。

注意：榜单成绩和速度均为官方自报；许可证是 Apache 2.0 加附加条款，公司融资或年收入超过 200 万美元商用需另购授权，对外提供在线服务要标注 SoMark OXR，并限制做竞争性托管 API。