AnswersPublished19 sources
OXR-1.0: un parser di documenti pensato per i flussi di lavoro con l’IA
OXR 1.0 è un parser da 1,3 miliardi di parametri che trasforma PDF e immagini di documenti in Markdown o JSON, includendo coordinate degli elementi sulla pagina. SoMark riporta risultati ai vertici di tre benchmark e una velocità elevata, ma i punteggi non garantiscono le stesse prestazioni sui documenti di ogni azi...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- OXR 1.0 è un parser da 1,3 miliardi di parametri che trasforma PDF e immagini di documenti in Markdown o JSON, includendo coordinate degli elementi sulla pagina.
- SoMark riporta risultati ai vertici di tre benchmark e una velocità elevata, ma i punteggi non garantiscono le stesse prestazioni sui documenti di ogni azienda.
- Il codice è su GitHub e i pesi su Hugging Face; la licenza prevede termini aggiuntivi che è importante controllare prima di un uso commerciale.
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
OXR-1.0 è un parser di documenti di SoMark con 1,3 miliardi di parametri. Converte PDF e immagini di pagine in Markdown o JSON, conservando anche coordinate che indicano dove si trovano gli elementi nel documento.4
5
7
Per una pipeline di intelligenza artificiale, questa struttura può essere più utile del semplice testo estratto: per esempio, aiuta a distinguere una tabella da un paragrafo e a collegare un contenuto alla sua posizione nella fonte. È un aspetto rilevante per i sistemi RAG — che recuperano informazioni da documenti per contestualizzare le risposte di un modello — e per gli agenti IA. La qualità effettiva, però, dipende da come il parser tratta i documenti specifici che si vogliono elaborare.
Quali elementi riconosce
SoMark afferma che OXR riconosce 13 tipi di elementi. Tra quelli citati nei materiali del progetto figurano tabelle, formule, blocchi di codice, timbri, equazioni chimiche e strutture chimiche; l’output include coordinate dei riquadri che delimitano gli elementi sulla pagina.4
5
Queste informazioni possono aiutare i sistemi a valle a conservare la struttura e l’ordine di lettura. Ma il numero di categorie, da solo, non dice quanto bene il modello gestisca ogni formato: per un uso concreto conviene controllare, per esempio, la fedeltà delle tabelle e la disposizione di pagine su più colonne.
Analisi del layout e addestramento
SoMark descrive l’analisi del layout come un componente indipendente e sostituibile. Una descrizione di terze parti indica anch’essa un modulo separato che può essere rimpiazzato con un modello più adatto a esigenze specifiche.8
22 In pratica, questa flessibilità potrebbe essere utile con documenti dalla struttura particolare; va comunque testato il componente scelto insieme al riconoscimento e all’ordine di lettura.
Il progetto riferisce inoltre di usare, nella fase di post-addestramento, un ciclo ricorsivo di miglioramento: gli errori di parsing vengono impiegati per orientare le successive fasi di lavoro. Una descrizione secondaria parla dell’impiego di un modello esterno di visione e linguaggio e del raggruppamento dei casi di errore.7
8 Si tratta di un processo descritto per l’addestramento: non significa che il modello installato impari automaticamente da ogni documento che elabora.
I benchmark: risultati da leggere nel loro contesto
Nella comparazione pubblicata da SoMark, OXR-1.0 ottiene 97,18 su OmniDocBench, 87,84 su olmOCR-Bench e 87,76 su DocParsingBench, risultando primo tra i modelli inclusi in quel confronto. Il progetto segnala anche risultati particolarmente solidi nell’analisi delle tabelle.1
5
Sono punteggi di benchmark, non una percentuale universale di accuratezza né una garanzia sui file di una specifica azienda. I risultati dipendono dai modelli e dai protocolli di valutazione considerati; prima di adottare OXR in produzione, è quindi opportuno provarlo su un campione rappresentativo dei propri documenti.1
SoMark riporta anche prestazioni elevate in velocità. Una comparazione indica 557,77 token nativi al secondo e 0,990373 pagine al secondo; un’altra descrizione riferisce che l’elaborazione di 100 pagine è stata completata in circa 101 secondi.1
31 Sono risultati dichiarati, che possono variare in base all’hardware, alla composizione dei documenti e alle condizioni di esecuzione.
Disponibilità e licenza
Il codice di OXR è disponibile su GitHub e i pesi del modello sono pubblicati su Hugging Face.4
13 Prima di integrarlo in un prodotto o servizio, però, è importante esaminare la licenza: il repository indica Apache 2.0 con termini aggiuntivi, che includono condizioni sull’uso commerciale.
26 La dicitura «open source» non equivale quindi a un’autorizzazione commerciale senza restrizioni.
Può essere adatto a una pipeline RAG o a un agente?
OXR merita una valutazione se il flusso di lavoro ha bisogno di conservare la struttura dei documenti, non soltanto di estrarne il testo, e se Markdown o JSON con coordinate di pagina sono formati utili per i sistemi a valle. I benchmark e la velocità dichiarati lo rendono un candidato da provare, non una sostituzione già garantita per qualsiasi parser.1
4
7
Per decidere, testatelo sui vostri documenti e verificate la resa delle tabelle, l’ordine di lettura, la precisione delle coordinate e i tempi di elaborazione. Controllate anche i termini della licenza: per un caso d’uso specifico, queste verifiche sono più indicative della sola posizione in classifica.
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: un parser di documenti pensato per i flussi di lavoro con l’IA"?
OXR 1.0 è un parser da 1,3 miliardi di parametri che trasforma PDF e immagini di documenti in Markdown o JSON, includendo coordinate degli elementi sulla pagina.
What are the key points to validate first?
OXR 1.0 è un parser da 1,3 miliardi di parametri che trasforma PDF e immagini di documenti in Markdown o JSON, includendo coordinate degli elementi sulla pagina. SoMark riporta risultati ai vertici di tre benchmark e una velocità elevata, ma i punteggi non garantiscono le stesse prestazioni sui documenti di ogni azienda.
What should I do next in practice?
Il codice è su GitHub e i pesi su Hugging Face; la licenza prevede termini aggiuntivi che è importante controllare prima di un uso commerciale.
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