उत्तरप्रकाशित19 स्रोत
SoMark OXR-1.0: AI वर्कफ़्लो के लिए दस्तावेज़ों को डेटा में बदलने वाला मॉडल
SoMark का 1.3 अरब पैरामीटर वाला OXR 1.0 PDF और दस्तावेज़ों की तस्वीरों को लेआउट निर्देशांकों सहित Markdown या JSON में बदलता है। कंपनी के प्रकाशित बेंचमार्क में मॉडल तीन परीक्षणों में पहले स्थान पर है; ये नतीजे हर तरह के दस्तावेज़ पर समान प्रदर्शन की गारंटी नहीं देते। RAG या AI एजेंट के लिए इसे अपनाने से पहले अपने द...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- SoMark का 1.3 अरब पैरामीटर वाला OXR 1.0 PDF और दस्तावेज़ों की तस्वीरों को लेआउट निर्देशांकों सहित Markdown या JSON में बदलता है।
- कंपनी के प्रकाशित बेंचमार्क में मॉडल तीन परीक्षणों में पहले स्थान पर है; ये नतीजे हर तरह के दस्तावेज़ पर समान प्रदर्शन की गारंटी नहीं देते।
- RAG या AI एजेंट के लिए इसे अपनाने से पहले अपने दस्तावेज़ों पर सटीकता, गति और लाइसेंस की शर्तें जांचें।
AI संकेत
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 का OXR-1.0, 1.3 अरब पैरामीटर वाला डॉक्यूमेंट पार्सर है। यह PDF और दस्तावेज़ों की तस्वीरों से सामग्री निकालकर उसे लेआउट निर्देशांकों सहित Markdown या JSON में देता है। यानी लक्ष्य सिर्फ़ अक्षर पहचानना नहीं, बल्कि यह जानकारी भी बचाए रखना है कि पेज पर कोई तालिका, सूत्र या पाठ कहाँ मौजूद था। ऐसा व्यवस्थित आउटपुट RAG (retrieval-augmented generation) और AI एजेंट जैसे वर्कफ़्लो में काम आ सकता है। हालांकि, कंपनी के बेंचमार्क दावों को अपने दस्तावेज़ों पर परखना चाहिए।4
5
7
OXR-1.0 क्या करता है?
SoMark के मुताबिक, OXR दस्तावेज़ों में 13 तरह के तत्व पहचान सकता है। परियोजना की सामग्री में तालिकाएं, सूत्र, कोड ब्लॉक, मुहरें, रासायनिक समीकरण और रासायनिक संरचनाएं जैसे उदाहरण दिए गए हैं। इनके साथ मॉडल बाउंडिंग बॉक्स निर्देशांक भी देता है, जिससे पता चलता है कि तत्व पेज पर कहां था।4
5
इससे आगे के सिस्टम के लिए तालिका और सामान्य अनुच्छेद में फर्क करना, या निकाली गई सामग्री को उसके मूल स्थान से जोड़कर रखना आसान हो सकता है। असली उपयोगिता इस पर निर्भर करेगी कि मॉडल आपके दस्तावेज़ों में संरचना और पढ़ने का क्रम कितनी अच्छी तरह बचाता है। सिर्फ़ बेंचमार्क रैंकिंग से हर तरह के दस्तावेज़ पर नतीजे तय नहीं होते।
लेआउट और प्रशिक्षण का तरीका
SoMark OXR के लेआउट विश्लेषण को अलग और बदला जा सकने वाला मॉड्यूल बताता है। इसका मतलब है कि जरूरत पड़ने पर टीम अपनी पसंद का लेआउट मॉडल लगा सकती है। एक स्वतंत्र मॉडल विवरण भी लेआउट विश्लेषण को अलग घटक के तौर पर बताता है, जिसे बदला जा सकता है।8
22 खास तरह के पेज लेआउट वाले काम में यह उपयोगी हो सकता है, लेकिन चुने गए मॉड्यूल के साथ पहचान की सटीकता और पढ़ने के क्रम को भी जांचना चाहिए।
परियोजना पोस्ट-ट्रेनिंग के दौरान रिकर्सिव सेल्फ-इम्प्रूवमेंट (RSI) प्रक्रिया का भी ज़िक्र करती है। SoMark के विवरण के अनुसार, पार्सिंग की गलतियों से मॉडल में सुधार के संकेत मिलते हैं। एक अन्य विवरण में बाहरी विज़न-लैंग्वेज मॉडल और विफलता के मामलों को समूहों में बांटने की बात है।7
8 यह प्रशिक्षण के दौरान सुधार का तरीका है—इसका मतलब यह नहीं कि इस्तेमाल के समय मॉडल हर नए दस्तावेज़ से अपने-आप सीखता रहता है।
बेंचमार्क और गति के दावे क्या बताते हैं?
SoMark की प्रकाशित तुलना में OXR-1.0 के स्कोर OmniDocBench पर 97.18, olmOCR-Bench पर 87.84 और DocParsingBench पर 87.76 दिए गए हैं। उस तुलना में मॉडल पहले स्थान पर है और कंपनी तालिका पार्सिंग में खास बढ़त का भी दावा करती है।1
5
ये बेंचमार्क स्कोर हैं—हर दस्तावेज़ के लिए सटीकता का सार्वभौमिक प्रतिशत या किसी खास कंपनी की फाइलों पर अच्छे प्रदर्शन की गारंटी नहीं। नतीजे तुलना में शामिल मॉडलों और परीक्षण के तरीकों तक सीमित हैं। उत्पादन में इस्तेमाल से पहले अपने नमूना दस्तावेज़ों पर, खासकर जटिल तालिकाओं और कई कॉलम वाले पन्नों पर, परीक्षण करें।1
गति के मामले में, SoMark की एक तुलना में मॉडल के लिए 557.77 नेटिव टोकन प्रति सेकंड और 0.990373 पेज प्रति सेकंड का आंकड़ा दिया गया है। एक अन्य रिपोर्ट में 100 पन्नों का परीक्षण करीब 101 सेकंड में पूरा होने की बात है।1
31 अलग हार्डवेयर, दस्तावेज़ों के मिश्रण और तैनाती की परिस्थितियों में यही गति मिलेगी, इसकी गारंटी नहीं है।
उपलब्धता और लाइसेंस
OXR का कोड GitHub पर और मॉडल वेट्स Hugging Face पर उपलब्ध हैं।4
13 इस्तेमाल से पहले लाइसेंस की शर्तें ध्यान से पढ़ें: रिपॉज़िटरी Apache License 2.0 के साथ अतिरिक्त शर्तें भी बताती है, जिनमें व्यावसायिक उपयोग से जुड़े प्रावधान शामिल हैं।
26 इसलिए “ओपन-सोर्स” को बिना किसी पाबंदी के व्यावसायिक इस्तेमाल की अनुमति न समझें।
क्या OXR, RAG या AI एजेंट के लिए सही है?
अगर आपके वर्कफ़्लो को सिर्फ़ पहचाने हुए शब्द नहीं, बल्कि दस्तावेज़ की संरचना भी चाहिए—और Markdown या JSON के साथ पेज निर्देशांक उपयोगी हैं—तो OXR-1.0 को जांचने लायक विकल्प माना जा सकता है। प्रकाशित स्कोर और गति इसे एक संभावित उम्मीदवार बनाते हैं, लेकिन अपने-आप में किसी मौजूदा सिस्टम का तैयार विकल्प साबित नहीं करते।1
4
7
अपने दस्तावेज़ों के नमूने पर इसे चलाकर तालिकाओं की सटीकता, पढ़ने का क्रम, निर्देशांकों की गुणवत्ता, प्रतिक्रिया समय और लाइसेंस की शर्तें जांचें। किसी खास वर्कफ़्लो में यह कितना उपयोगी होगा, इसका बेहतर जवाब लीडरबोर्ड की रैंकिंग से नहीं, इन परीक्षणों से मिलेगा।
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"SoMark OXR-1.0: AI वर्कफ़्लो के लिए दस्तावेज़ों को डेटा में बदलने वाला मॉडल" का संक्षिप्त उत्तर क्या है?
SoMark का 1.3 अरब पैरामीटर वाला OXR 1.0 PDF और दस्तावेज़ों की तस्वीरों को लेआउट निर्देशांकों सहित Markdown या JSON में बदलता है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
SoMark का 1.3 अरब पैरामीटर वाला OXR 1.0 PDF और दस्तावेज़ों की तस्वीरों को लेआउट निर्देशांकों सहित Markdown या JSON में बदलता है। कंपनी के प्रकाशित बेंचमार्क में मॉडल तीन परीक्षणों में पहले स्थान पर है; ये नतीजे हर तरह के दस्तावेज़ पर समान प्रदर्शन की गारंटी नहीं देते।
मुझे अभ्यास में आगे क्या करना चाहिए?
RAG या AI एजेंट के लिए इसे अपनाने से पहले अपने दस्तावेज़ों पर सटीकता, गति और लाइसेंस की शर्तें जांचें।
सूत्र
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