RespuestasPublicado19 fuentes
OXR-1.0: qué hace el parser documental de SoMark y qué conviene comprobar
OXR 1.0 convierte PDF e imágenes de documentos en Markdown o JSON y conserva coordenadas de los elementos de la página. SoMark informa resultados líderes en tres pruebas de referencia, pero el rendimiento debe validarse con documentos propios.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- OXR 1.0 convierte PDF e imágenes de documentos en Markdown o JSON y conserva coordenadas de los elementos de la página.
- SoMark informa resultados líderes en tres pruebas de referencia, pero el rendimiento debe validarse con documentos propios.
- El código y los pesos están disponibles en GitHub y Hugging Face; la licencia incluye términos adicionales que conviene revisar antes de usarlo con fines comerciales.
Prompt de IA
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 presenta OXR-1.0 como un parser de documentos de 1.300 millones de parámetros que transforma PDF e imágenes de páginas en Markdown o JSON, con coordenadas de ubicación. La idea es conservar más estructura que con un OCR que entrega únicamente texto, para que esa información pueda aprovecharse en sistemas de generación aumentada por recuperación (RAG) y flujos con agentes de IA.4
5
7
Sus resultados publicados lo convierten en un modelo interesante para evaluar, pero no bastan para saber cómo funcionará con los archivos de una empresa o proyecto concreto. Las puntuaciones de referencia describen pruebas específicas, no una garantía de precisión universal.1
Qué extrae OXR-1.0
SoMark afirma que el modelo reconoce 13 tipos de elementos documentales. Entre los ejemplos que menciona están tablas, fórmulas, bloques de código, sellos, ecuaciones químicas y estructuras químicas; también puede asociar los elementos con coordenadas de sus cuadros delimitadores en la página.4
5
Esa información puede ayudar a un sistema posterior a distinguir una tabla de un párrafo o a relacionar un fragmento extraído con su ubicación en el documento original. El beneficio real depende de que se mantengan bien las estructuras y el orden de lectura que necesite cada aplicación: una buena posición en una clasificación no lo demuestra para todos los formatos.
Diseño modular y mejora durante el entrenamiento
SoMark describe el análisis de diseño de página como un módulo independiente y sustituible. Así, un equipo podría elegir otro componente de análisis de diseño según sus necesidades; una descripción de terceros también señala que se puede intercambiar.8
22 Para documentos con distribuciones particulares, merece la pena probar el módulo elegido junto con el reconocimiento y el orden de lectura.
El equipo también describe un proceso de mejora recursiva durante el postentrenamiento: los errores de parsing sirven para orientar nuevas mejoras.7 Una descripción secundaria indica que el proceso recurre a un modelo externo de visión y lenguaje y agrupa casos de fallo.
8 Esto se refiere al entrenamiento del modelo; no significa que una versión ya desplegada aprenda automáticamente de cada documento que procesa.
Qué dicen las pruebas publicadas
En la comparación que publicó SoMark, OXR-1.0 obtuvo 97,18 en OmniDocBench, 87,84 en olmOCR-Bench y 87,76 en DocParsingBench, y quedó primero entre los modelos incluidos en esa evaluación. El proyecto también destaca sus resultados en parsing de tablas.1
5
Estas cifras son puntuaciones de pruebas comparativas, no porcentajes de acierto aplicables a cualquier documento. Los resultados dependen de los modelos y protocolos evaluados; antes de llevarlo a producción, conviene probar una muestra representativa de los archivos propios, incluidas páginas con varias columnas y tablas complejas.1
SoMark también informa de una velocidad elevada. En una comparación publicada, OXR alcanzó 557,77 tokens nativos por segundo y 0,990373 páginas por segundo.1 Otros reportes describen una prueba de 100 páginas completada en unos 101 segundos.
31 Son resultados comunicados para esas evaluaciones, no una promesa de velocidad idéntica con otro hardware, una mezcla distinta de documentos o una configuración diferente.
Disponibilidad y licencia
El código de OXR está disponible en GitHub y los pesos del modelo figuran en Hugging Face.4
13 Antes de incorporarlo a un producto o servicio, hay que revisar la licencia: el repositorio indica Apache 2.0, pero sujeta a términos adicionales que incluyen condiciones sobre el uso comercial.
26 Por tanto, la etiqueta «código abierto» no debe interpretarse como permiso comercial sin restricciones.
¿Puede servir para un flujo RAG o con agentes?
OXR-1.0 merece una prueba si el flujo necesita conservar la estructura de los documentos, no solo extraer texto, y si el formato Markdown o JSON con coordenadas encaja con los sistemas posteriores. Sus puntuaciones y cifras de velocidad reportadas lo hacen un candidato, no un reemplazo listo para cualquier entorno.1
4
7
La evaluación práctica debería medir la fidelidad de las tablas, el orden de lectura, la calidad de las coordenadas y la latencia con documentos representativos. Revisar la licencia también es esencial. Esas comprobaciones darán una señal más útil para decidir si encaja en un caso concreto que una posición en una tabla de clasificación.
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "OXR-1.0: qué hace el parser documental de SoMark y qué conviene comprobar"?
OXR 1.0 convierte PDF e imágenes de documentos en Markdown o JSON y conserva coordenadas de los elementos de la página.
¿Cuáles son los puntos clave a validar primero?
OXR 1.0 convierte PDF e imágenes de documentos en Markdown o JSON y conserva coordenadas de los elementos de la página. SoMark informa resultados líderes en tres pruebas de referencia, pero el rendimiento debe validarse con documentos propios.
¿Qué debo hacer a continuación en la práctica?
El código y los pesos están disponibles en GitHub y Hugging Face; la licencia incluye términos adicionales que conviene revisar antes de usarlo con fines comerciales.
Fuentes
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 ...