AnswersPublished19 sources
OXR-1.0 ma zamienić dokumenty w dane gotowe dla AI. Jak wypada w praktyce?
OXR 1.0 zamienia pliki PDF i obrazy dokumentów na Markdown lub JSON z koordynatami elementów na stronie, co może ułatwić wykorzystanie ich w systemach AI. SoMark podaje wysokie wyniki w trzech benchmarkach i dużą szybkość przetwarzania, ale są to rezultaty z określonych testów, a nie gwarancja dla każdego zestawu do...
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- OXR 1.0 zamienia pliki PDF i obrazy dokumentów na Markdown lub JSON z koordynatami elementów na stronie, co może ułatwić wykorzystanie ich w systemach AI.
- SoMark podaje wysokie wyniki w trzech benchmarkach i dużą szybkość przetwarzania, ale są to rezultaty z określonych testów, a nie gwarancja dla każdego zestawu dokumentów.
- Kod i wagi modelu są dostępne online, jednak licencja Apache 2.0 zawiera dodatkowe warunki, w tym dotyczące zastosowań komercyjnych.
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 to parser dokumentów firmy SoMark z 1,3 mld parametrów. Przekształca pliki PDF i obrazy dokumentów w Markdown lub JSON, zachowując współrzędne elementów na stronie. Taka struktura może być przydatniejsza niż sam tekst z OCR w systemach RAG, czyli generowaniu odpowiedzi przez AI wspomaganym wyszukiwaniem, oraz w przepływach pracy agentów.4
5
7
Co potrafi OXR-1.0
Model ma rozpoznawać 13 typów elementów dokumentu. W materiałach projektu wymieniono m.in. tabele, wzory, bloki kodu, pieczęcie, równania chemiczne i struktury chemiczne. Parser ma również przypisywać elementom współrzędne obszarów na stronie.4
5
Może to pomóc systemowi działającemu na kolejnych etapach odróżniać tabelę od akapitu albo zachować informację, gdzie w źródle pojawił się dany fragment. Znaczenie ma jednak nie sama liczba obsługiwanych kategorii, lecz to, czy model prawidłowo odtwarza strukturę i kolejność czytania potrzebne w konkretnym zastosowaniu.
Wymienny moduł układu i trening na błędach
SoMark opisuje analizę układu strony jako niezależny, wymienny moduł. W podobny sposób przedstawia ją zewnętrzny opis modelu, który wskazuje, że komponent można zastąpić innym.8
22 Taka możliwość może być przydatna przy dokumentach o nietypowym układzie, ale warto osobno przetestować wybrany moduł, rozpoznawanie treści i kolejność odczytu.
Projekt opisuje też rekurencyjny proces samodoskonalenia w trakcie dostrajania modelu. Według SoMark błędy parsera pomagają wyznaczać obszary wymagające poprawy; dodatkowy opis wskazuje na wykorzystanie zewnętrznego modelu językowo-wizualnego i grupowanie przypadków błędów.7
8 To opis metody treningowej — nie dowód na to, że wdrożony model sam uczy się na każdym przetwarzanym dokumencie.
Jak czytać wyniki benchmarków
W opublikowanym przez SoMark zestawieniu OXR-1.0 uzyskał 97,18 punktu w OmniDocBench, 87,84 w olmOCR-Bench i 87,76 w DocParsingBench. W tym porównaniu zajął pierwsze miejsce wśród uwzględnionych modeli; firma podkreśla też wyniki w parsowaniu tabel.1
5
To wyniki konkretnych testów, a nie uniwersalny procent poprawności ani obietnica jakości na dokumentach danej firmy. Zależą od badanych modeli i przyjętych procedur oceny, dlatego przed wdrożeniem warto sprawdzić reprezentatywną próbkę własnych plików — zwłaszcza złożone tabele i strony wielokolumnowe.1
SoMark publikuje również wyniki dotyczące szybkości: w jednym zestawieniu podaje 557,77 tokena na sekundę i 0,990373 strony na sekundę, a inne doniesienie opisuje przetworzenie 100 stron w około 101 sekund.1
31 To rezultaty z określonych testów, a nie gwarancja takiego samego tempa na innym sprzęcie, przy innym rodzaju dokumentów czy sposobie wdrożenia.
Dostępność i licencja
Kod OXR jest dostępny na GitHubie, a wagi modelu można znaleźć na Hugging Face.4
13 Przed użyciem warto dokładnie zapoznać się z licencją: repozytorium wskazuje Apache License 2.0 z dodatkowymi warunkami, w tym zapisami dotyczącymi zastosowań komercyjnych.
26 Określenie „open source” nie oznacza tu automatycznie braku ograniczeń dla firm.
Czy warto rozważyć go do RAG lub agentów?
OXR-1.0 może być wart testów, jeśli system potrzebuje czegoś więcej niż rozpoznanego tekstu — na przykład struktury dokumentu i położenia treści na stronie — a format Markdown lub JSON pasuje do dalszego przetwarzania. Podane wyniki i szybkość czynią z niego kandydata do oceny, nie gotowy, sprawdzony zamiennik innych narzędzi.1
4
7
Najlepiej uruchomić go na własnym zestawie i sprawdzić wierność tabel, kolejność czytania, jakość współrzędnych oraz opóźnienia. Do tego dochodzi analiza warunków licencji. Takie testy powiedzą więcej o przydatności modelu w konkretnym przepływie pracy niż samo miejsce w rankingu.
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 ma zamienić dokumenty w dane gotowe dla AI. Jak wypada w praktyce?"?
OXR 1.0 zamienia pliki PDF i obrazy dokumentów na Markdown lub JSON z koordynatami elementów na stronie, co może ułatwić wykorzystanie ich w systemach AI.
What are the key points to validate first?
OXR 1.0 zamienia pliki PDF i obrazy dokumentów na Markdown lub JSON z koordynatami elementów na stronie, co może ułatwić wykorzystanie ich w systemach AI. SoMark podaje wysokie wyniki w trzech benchmarkach i dużą szybkość przetwarzania, ale są to rezultaty z określonych testów, a nie gwarancja dla każdego zestawu dokumentów.
What should I do next in practice?
Kod i wagi modelu są dostępne online, jednak licencja Apache 2.0 zawiera dodatkowe warunki, w tym dotyczące zastosowań komercyjnych.
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