AntwortenVeröffentlicht19 Quellen
OXR-1.0: Struktur statt bloßem OCR-Text
OXR 1.0 ist ein Dokumentenparser mit 1,3 Milliarden Parametern, der PDFs und Dokumentbilder in Markdown oder JSON samt Layout Koordinaten überführt. SoMark nennt Spitzenwerte in drei Benchmarks und eine hohe Verarbeitungsgeschwindigkeit – die Ergebnisse sollten jedoch mit eigenen Dokumenten überprüft werden.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- OXR 1.0 ist ein Dokumentenparser mit 1,3 Milliarden Parametern, der PDFs und Dokumentbilder in Markdown oder JSON samt Layout Koordinaten überführt.
- SoMark nennt Spitzenwerte in drei Benchmarks und eine hohe Verarbeitungsgeschwindigkeit – die Ergebnisse sollten jedoch mit eigenen Dokumenten überprüft werden.
- Vor dem produktiven Einsatz sind unter anderem Tabellenqualität, Lesereihenfolge, Laufzeit und die Lizenzbedingungen zu prüfen.
KI-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
SoMarks OXR-1.0 ist ein Dokumentenparser mit 1,3 Milliarden Parametern. Er wandelt PDFs und Dokumentbilder in Markdown oder JSON um und gibt auch Koordinaten zur Position der Inhalte auf der Seite aus. Das kann für RAG-Systeme – also Anwendungen, die Sprachmodelle mit passenden Dokumentenstellen versorgen – und KI-Agenten hilfreicher sein als reiner OCR-Text. Die veröffentlichten Benchmark-Ergebnisse sind allerdings Herstellerangaben, die sich mit eigenen Dokumenten überprüfen lassen sollten.4
5
7
Was OXR-1.0 aus Dokumenten herausliest
Der Parser soll nicht nur Text erkennen, sondern auch dessen Struktur erhalten. SoMark zufolge erkennt OXR 13 Arten von Dokumentelementen. In den Projektunterlagen werden unter anderem Tabellen, Formeln, Codeblöcke, Stempel, chemische Gleichungen und chemische Strukturen genannt; außerdem enthalten die Ausgaben Koordinaten für die jeweiligen Bereiche.4
5
Das kann nachgelagerten Systemen helfen, etwa eine Tabelle von einem Absatz zu unterscheiden oder einen Textabschnitt seiner Stelle im Quelldokument zuzuordnen. Ob das im konkreten Einsatz genügt, hängt aber davon ab, wie zuverlässig OXR die benötigte Struktur und Lesereihenfolge beibehält. Ein guter Ranglistenplatz beantwortet diese Frage nicht für alle Dokumentarten.
Layout und Training: Was hinter dem Ansatz steckt
SoMark beschreibt die Layoutanalyse als eigenständige, austauschbare Komponente. Teams können demnach ein anderes Layoutmodell einsetzen. Auch eine externe Modellbeschreibung nennt die Layoutanalyse als separat austauschbar.8
22 Das kann bei spezialisierten Seitenlayouts interessant sein. In der Praxis sollte man die gewählte Komponente jedoch zusammen mit der Texterkennung und der Lesereihenfolge testen.
Für das nachträgliche Training beschreibt SoMark außerdem einen rekursiven Verbesserungsprozess. Parsing-Fehler sollen dabei als Hinweise dienen; einer weiteren Beschreibung zufolge kommen ein externes Vision-Language-Modell und eine Gruppierung von Fehlerfällen zum Einsatz.7
8 Das ist ein Trainingsansatz – kein Beleg dafür, dass eine laufende Installation automatisch aus jedem verarbeiteten Dokument dazulernt.
Was die Benchmarks zeigen – und was nicht
In einem veröffentlichten Vergleich führt OXR-1.0 mit 97,18 Punkten bei OmniDocBench, 87,84 bei olmOCR-Bench und 87,76 bei DocParsingBench. SoMark hebt zudem einen besonders großen Vorsprung bei der Tabellenerkennung hervor.1
5
Diese Werte sind Ergebnisse bestimmter Benchmarks und Testverfahren. Sie bedeuten weder eine allgemeine Erkennungsgenauigkeit von 97,18 Prozent noch garantieren sie dieselbe Leistung bei den Dokumenten eines Unternehmens. Wer OXR produktiv einsetzen möchte, sollte deshalb repräsentative Dateien testen – darunter etwa Dokumente mit komplexen Tabellen oder mehreren Spalten.1
Auch bei der Geschwindigkeit meldet SoMark hohe Werte. Ein veröffentlichter Vergleich nennt 557,77 native Tokens pro Sekunde und 0,990373 Seiten pro Sekunde; andere Berichte geben für einen Test mit 100 Seiten rund 101 Sekunden an.1
31 Das sind berichtete Ergebnisse, keine Zusage für andere Hardware, Dokumentmischungen oder Einsatzumgebungen.
Verfügbarkeit und Lizenz
Der Code ist auf GitHub verfügbar, die Modellgewichte werden auf Hugging Face angeboten.4
13 Vor einer Nutzung sollte man die Lizenz genau lesen: Das Repository nennt die Apache License 2.0, allerdings unter zusätzlichen Bedingungen, die auch die kommerzielle Nutzung betreffen.
26 „Open Source“ sollte daher nicht automatisch als uneingeschränkte kommerzielle Freigabe verstanden werden.
Eignet sich OXR für RAG- oder Agenten-Pipelines?
OXR ist einen Test wert, wenn eine Pipeline mehr als erkannten Text benötigt und strukturierte Ausgaben samt Seitenkoordinaten sinnvoll weiterverarbeiten kann. Die gemeldeten Benchmarkwerte und die Geschwindigkeit machen das Modell zu einem Kandidaten – aber nicht automatisch zu einem fertigen Ersatz für bestehende Systeme.1
4
7
Am aussagekräftigsten ist ein Test mit den eigenen Dokumenten. Prüfen Sie dabei insbesondere die Tabellenqualität, Lesereihenfolge, Genauigkeit der Koordinaten, Laufzeit und Lizenzbedingungen. Das sagt für einen konkreten Anwendungsfall mehr aus als ein Platz auf einer Benchmark-Rangliste allein.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „OXR-1.0: Struktur statt bloßem OCR-Text“?
OXR 1.0 ist ein Dokumentenparser mit 1,3 Milliarden Parametern, der PDFs und Dokumentbilder in Markdown oder JSON samt Layout Koordinaten überführt.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
OXR 1.0 ist ein Dokumentenparser mit 1,3 Milliarden Parametern, der PDFs und Dokumentbilder in Markdown oder JSON samt Layout Koordinaten überführt. SoMark nennt Spitzenwerte in drei Benchmarks und eine hohe Verarbeitungsgeschwindigkeit – die Ergebnisse sollten jedoch mit eigenen Dokumenten überprüft werden.
Was soll ich als nächstes in der Praxis tun?
Vor dem produktiven Einsatz sind unter anderem Tabellenqualität, Lesereihenfolge, Laufzeit und die Lizenzbedingungen zu prüfen.
Quellen
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