AnswersPublished19 sources
OXR-1.0 slibuje převést dokumenty do podoby, kterou využije AI. Co ukazují testy?
OXR 1.0 převádí PDF a obrázky dokumentů do Markdownu nebo JSON a zachovává souřadnice prvků na stránce. SoMark uvádí přední výsledky ve třech benchmarkových testech, nejde však o záruku přesnosti na každém typu dokumentů.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer
Key takeaways
- OXR 1.0 převádí PDF a obrázky dokumentů do Markdownu nebo JSON a zachovává souřadnice prvků na stránce.
- SoMark uvádí přední výsledky ve třech benchmarkových testech, nejde však o záruku přesnosti na každém typu dokumentů.
- Před nasazením do AI workflow je vhodné ověřit kvalitu výstupů na vlastních souborech a prostudovat licenční podmínky.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is SoMark’s open-source OXR-1.0 (Optical Everything Recognition), announced by the Chinese document-intelligence team in October 2026,. Article summary: OXR-1.0 (“Optical Everything Recognition”) is SoMark’s 1.3-billion-parameter document-parsing model, announced in October 2026, that converts PDFs and document images into Markdown or JSON with layout coordinates—not jus. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fak
SoMark OXR-1.0 je model s 1,3 miliardy parametrů, který převádí PDF a obrázky dokumentů do Markdownu nebo JSON. Vedle rozpoznaného obsahu přidává také souřadnice prvků na stránce. Díky tomu může být výstup užitečnější pro systémy RAG (generování s rozšířeným vyhledáváním) a AI agenty než prostý text získaný OCR. Výsledky zveřejněné týmem jsou zajímavé, ale je dobré ověřit je na vlastních dokumentech.4
5
7
Co OXR-1.0 umí
Model je navržený tak, aby z dokumentu vytěžil obsah a zároveň zachoval informaci o tom, kde se na stránce nachází. SoMark uvádí rozpoznávání 13 typů prvků. V materiálech projektu jsou jako příklady uvedeny tabulky, vzorce, bloky kódu, razítka, chemické rovnice a chemické struktury; výstup obsahuje také souřadnice ohraničujících rámečků.4
5
Strukturovaný výstup může navazujícímu systému pomoci odlišit tabulku od běžného odstavce nebo spojit informaci s její polohou ve zdrojovém dokumentu. Záleží ale na tom, zda parser zachová právě takovou strukturu a pořadí čtení, jaké vaše aplikace potřebuje. Samotné umístění v žebříčku to pro každý typ souboru nepotvrdí.
Vyměnitelná analýza rozvržení a trénování na chybách
SoMark popisuje analýzu rozvržení stránky jako samostatnou a vyměnitelnou součást. Tým tak může použít jiný model pro rozpoznání rozvržení, pokud lépe vyhovuje jeho dokumentům. Popis od třetí strany rovněž uvádí, že tuto část lze nahradit.8
22 U dokumentů s neobvyklým uspořádáním to může být užitečné; při testování je ale potřeba sledovat i samotné rozpoznání a pořadí čtení.
Projekt také popisuje postup označovaný jako rekurzivní sebezdokonalování, použitý při dodatečném trénování. Podle SoMark pomáhají model zlepšovat chyby v parsování. Další popis zmiňuje využití externího modelu pro práci s obrazem a jazykem a seskupování chyb podle typu.7
8 Jde o způsob trénování, nikoli o důkaz, že nasazený model automaticky získává zkušenosti z každého dokumentu, který zpracuje.
Co říkají zveřejněné benchmarky
V publikovaném srovnání SoMark uvádí pro OXR-1.0 skóre 97,18 v OmniDocBench, 87,84 v olmOCR-Bench a 87,76 v DocParsingBench. V daném srovnání se tak umístil na prvním místě; projekt vyzdvihuje také výsledky při zpracování tabulek.1
5
Tato čísla jsou skóre z konkrétních benchmarků, nikoli univerzální procento přesnosti ani záruka výsledků u dokumentů konkrétní firmy. Platí pro testované modely a použité vyhodnocovací postupy. Před nasazením je proto rozumné vyzkoušet reprezentativní vzorek vlastních souborů, včetně složitých tabulek a vícesloupcových stránek.1
SoMark uvádí také vysokou rychlost zpracování. V jednom srovnání dosáhl model 557,77 nativních tokenů za sekundu a 0,990373 stránky za sekundu. Jiné zprávy popisují test, ve kterém zpracování 100 stran trvalo přibližně 101 sekund.1
31 Jde o zveřejněné výsledky, nikoli příslib stejné rychlosti na jiném hardwaru, při jiném složení dokumentů nebo v odlišném provozním prostředí.
Dostupnost a licence
Kód OXR je dostupný na GitHubu a váhy modelu jsou uvedené na Hugging Face.4
13 Před použitím je však důležité přečíst si licenci. Repozitář uvádí licenci Apache 2.0 doplněnou o další podmínky, včetně ustanovení týkajících se komerčního využití.
26 Označení „open source“ tedy samo o sobě neznamená neomezené oprávnění k nasazení v komerčním projektu.
Hodí se OXR do RAG nebo agentního workflow?
OXR stojí za zvážení, pokud vaše workflow potřebuje zachovat strukturu dokumentu, nejen získat jeho text, a pokud vám vyhovuje výstup v Markdownu či JSON se souřadnicemi prvků. Zveřejněné výsledky a rychlost z něj dělají kandidáta k otestování, nikoli automaticky ověřenou náhradu stávajícího řešení.1
4
7
Vyzkoušejte model na vlastním vzorku a zkontrolujte přesnost tabulek, pořadí čtení, kvalitu souřadnic i dobu zpracování. Pro rozhodnutí o vhodnosti do konkrétního systému vám tyto testy řeknou víc než samotné pořadí v žebříčku. Nezapomeňte také prověřit licenční podmínky.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "OXR-1.0 slibuje převést dokumenty do podoby, kterou využije AI. Co ukazují testy?"?
OXR 1.0 převádí PDF a obrázky dokumentů do Markdownu nebo JSON a zachovává souřadnice prvků na stránce.
What are the key points to validate first?
OXR 1.0 převádí PDF a obrázky dokumentů do Markdownu nebo JSON a zachovává souřadnice prvků na stránce. SoMark uvádí přední výsledky ve třech benchmarkových testech, nejde však o záruku přesnosti na každém typu dokumentů.
What should I do next in practice?
Před nasazením do AI workflow je vhodné ověřit kvalitu výstupů na vlastních souborech a prostudovat licenční podmínky.
Sources
github.comGitHub - SoMarkAI/OXR
somark.aiErrors as Data: How RSI Helps OXR Achieve SOTA Accuracy and Speed in Document Parsing
fourweekmba.comOpen 1.3B OXR Tops 3 Parsing Tests, With $2M Licence ...
slm.expertOXR-1.0 — slm.expert