JawabanDipublikasikan19 sumber
Mengenal SoMark OXR-1.0, Parser Dokumen untuk Alur Kerja AI
OXR 1.0 adalah model 1,3 miliar parameter yang mengubah PDF dan gambar dokumen menjadi Markdown atau JSON, lengkap dengan koordinat elemen pada halaman. SoMark melaporkan skor tinggi pada tiga benchmark parsing dokumen, tetapi hasil tersebut bukan jaminan akurasi untuk semua jenis dokumen.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- OXR 1.0 adalah model 1,3 miliar parameter yang mengubah PDF dan gambar dokumen menjadi Markdown atau JSON, lengkap dengan koordinat elemen pada halaman.
- SoMark melaporkan skor tinggi pada tiga benchmark parsing dokumen, tetapi hasil tersebut bukan jaminan akurasi untuk semua jenis dokumen.
- Sebelum digunakan, uji kualitas tabel, urutan baca, kecepatan, dan ketentuan lisensinya pada kebutuhan Anda.
AI Perintah
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 adalah model parsing dokumen berukuran 1,3 miliar parameter yang mengubah PDF dan gambar dokumen menjadi Markdown atau JSON, termasuk koordinat tata letak. Struktur ini berpotensi lebih berguna untuk sistem retrieval-augmented generation (RAG) dan alur kerja agen AI dibandingkan teks OCR biasa. Namun, hasil benchmark yang dipublikasikan tetap perlu diuji pada dokumen yang benar-benar akan Anda gunakan.4
5
7
Apa yang dilakukan OXR-1.0?
OXR dirancang untuk mengekstrak isi dokumen sekaligus mempertahankan informasi letak elemen di halaman. Menurut SoMark, model ini mengenali 13 jenis elemen dokumen. Materi proyek menyebutkan contoh seperti tabel, rumus, blok kode, stempel, persamaan kimia, dan struktur kimia, lengkap dengan koordinat kotak pembatas.4
5
Informasi tersebut dapat membantu sistem lanjutan membedakan tabel dari paragraf atau mengaitkan suatu isi dengan lokasinya di dokumen sumber. Manfaatnya bergantung pada seberapa baik parser mempertahankan struktur dan urutan baca yang dibutuhkan aplikasi Anda—posisi tinggi di benchmark saja belum membuktikan hasil yang sama untuk setiap jenis dokumen.
Tata letak dan proses pelatihannya
SoMark menjelaskan bahwa analisis tata letak OXR dibuat terpisah dan dapat diganti, sehingga tim dapat memilih model tata letak lain sesuai kebutuhan. Deskripsi dari pihak ketiga juga menyebut analisis tata letak sebagai komponen yang bisa ditukar.8
22 Fitur ini mungkin berguna untuk dokumen dengan susunan halaman khusus, tetapi komponen tata letak pilihan tetap perlu diuji bersama hasil pengenalan konten dan urutan bacanya.
Proyek ini juga menjelaskan proses recursive self-improvement (RSI) saat pascapelatihan. Menurut SoMark, kesalahan parsing digunakan untuk membantu proses perbaikan; keterangan pihak ketiga menyebut penggunaan model visi-bahasa eksternal dan pengelompokan kasus kegagalan.7
8 Ini adalah pendekatan dalam pelatihan, bukan bukti bahwa model yang sudah dipasang akan otomatis belajar dari setiap dokumen yang diproses.
Apa arti hasil benchmark-nya?
Dalam perbandingan yang dipublikasikan SoMark, OXR-1.0 mencatat 97,18 di OmniDocBench, 87,84 di olmOCR-Bench, dan 87,76 di DocParsingBench—dan berada di posisi pertama di antara model yang tercantum dalam perbandingan tersebut. Proyek ini juga menyoroti keunggulannya pada parsing tabel.1
5
Angka-angka itu adalah skor benchmark, bukan persentase akurasi universal atau jaminan kinerja pada dokumen perusahaan tertentu. Hasilnya berlaku untuk model dan protokol evaluasi yang digunakan dalam perbandingan tersebut. Karena itu, uji dokumen yang mewakili kebutuhan Anda—termasuk tabel kompleks dan halaman dengan beberapa kolom—sebelum mengandalkan OXR di lingkungan produksi.1
SoMark juga melaporkan kecepatan parsing yang tinggi. Salah satu cuplikan perbandingan mencatat 557,77 token native per detik dan 0,990373 halaman per detik; laporan lain menyebut pengujian 100 halaman selesai dalam sekitar 101 detik.1
31 Angka ini merupakan hasil yang dilaporkan, bukan jaminan kecepatan yang sama pada perangkat keras, kumpulan dokumen, atau konfigurasi penerapan yang berbeda.
Ketersediaan dan hal yang perlu diperhatikan
Kode OXR tersedia di GitHub, sementara bobot modelnya tercantum di Hugging Face.4
13 Periksa lisensinya sebelum mengadopsi model ini: repositori menyatakan Apache License 2.0 berlaku dengan ketentuan tambahan, termasuk aturan terkait penggunaan komersial.
26 Jadi, label “open source” tidak otomatis berarti penggunaan komersial tanpa batasan.
Apakah OXR cocok untuk RAG atau agen AI?
OXR layak dievaluasi jika alur kerja Anda membutuhkan struktur dokumen—bukan sekadar teks hasil pengenalan—dan keluaran Markdown atau JSON dengan koordinat halaman sesuai dengan sistem lanjutan yang digunakan. Skor dan kecepatan yang dilaporkan membuatnya menarik untuk diuji, tetapi belum membuktikannya sebagai pengganti siap pakai.1
4
7
Coba pada sampel dokumen Anda sendiri dan periksa ketepatan tabel, urutan baca, kualitas koordinat, latensi, serta ketentuan lisensinya. Hasil pengujian itu akan memberi gambaran lebih jelas tentang kecocokan OXR untuk alur kerja tertentu dibandingkan posisi di papan peringkat saja.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Mengenal SoMark OXR-1.0, Parser Dokumen untuk Alur Kerja AI"?
OXR 1.0 adalah model 1,3 miliar parameter yang mengubah PDF dan gambar dokumen menjadi Markdown atau JSON, lengkap dengan koordinat elemen pada halaman.
Apa poin penting yang harus divalidasi terlebih dahulu?
OXR 1.0 adalah model 1,3 miliar parameter yang mengubah PDF dan gambar dokumen menjadi Markdown atau JSON, lengkap dengan koordinat elemen pada halaman. SoMark melaporkan skor tinggi pada tiga benchmark parsing dokumen, tetapi hasil tersebut bukan jaminan akurasi untuk semua jenis dokumen.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Sebelum digunakan, uji kualitas tabel, urutan baca, kecepatan, dan ketentuan lisensinya pada kebutuhan Anda.
Sumber
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