RespostasPublicado19 fontes
OXR-1.0: o que faz o leitor de documentos de 1,3 bilhão de parâmetros
O OXR 1.0, da SoMark, converte PDFs e imagens de documentos em Markdown ou JSON com coordenadas de layout, preservando estruturas úteis para sistemas de IA. A empresa reporta os melhores resultados em três benchmarks de leitura de documentos, mas as pontuações não garantem o mesmo desempenho em qualquer acervo.
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- O OXR 1.0, da SoMark, converte PDFs e imagens de documentos em Markdown ou JSON com coordenadas de layout, preservando estruturas úteis para sistemas de IA.
- A empresa reporta os melhores resultados em três benchmarks de leitura de documentos, mas as pontuações não garantem o mesmo desempenho em qualquer acervo.
- O código e os pesos estão disponíveis, mas a licença inclui termos adicionais sobre uso comercial.
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
O OXR-1.0, da SoMark, é um modelo de 1,3 bilhão de parâmetros que transforma PDFs e imagens de documentos em Markdown ou JSON, incluindo coordenadas de layout. A estrutura pode ser mais útil do que texto bruto de OCR para sistemas de geração aumentada por recuperação (RAG) e fluxos com agentes de IA. Ainda assim, os resultados de benchmark divulgados pela empresa devem ser tratados como algo a validar com documentos reais da sua operação.4
5
7
O que o OXR-1.0 faz
O modelo foi projetado para extrair o conteúdo de documentos e preservar informações sobre onde cada elemento aparece na página. A SoMark afirma que o OXR reconhece 13 tipos de elementos. Entre os exemplos citados pelo projeto estão tabelas, fórmulas, blocos de código, carimbos, equações químicas e estruturas químicas, acompanhados por coordenadas de caixas delimitadoras.4
5
Esses dados podem ajudar sistemas posteriores a diferenciar uma tabela de um parágrafo ou a relacionar um trecho ao lugar de onde ele veio. O benefício prático depende de o parser preservar as estruturas e a ordem de leitura necessárias para cada aplicação; uma boa posição em benchmarks, por si só, não comprova isso para todos os tipos de documento.
Layout e treinamento
A SoMark descreve a análise de layout do OXR como independente e substituível, permitindo que uma equipe use outro modelo de layout conforme a necessidade. Uma descrição de terceiros também aponta que esse componente pode ser trocado.8
22 Isso pode ser interessante em fluxos com páginas de formato especializado, mas vale testar o componente escolhido junto com o reconhecimento do conteúdo e a ordem de leitura.
O projeto também relata um ciclo recursivo de autoaperfeiçoamento durante o pós-treinamento. Segundo a SoMark, erros de parsing ajudam a orientar as melhorias; uma descrição secundária diz que o processo usa um modelo externo de visão e linguagem e agrupa os casos de falha.7
8 Trata-se de uma abordagem de treinamento — não de evidência de que uma versão em produção aprende automaticamente com cada documento processado.
O que mostram os benchmarks divulgados
Na comparação publicada pela SoMark, o OXR-1.0 obteve 97,18 no OmniDocBench, 87,84 no olmOCR-Bench e 87,76 no DocParsingBench, ficando em primeiro lugar entre os modelos listados. O projeto também destaca uma vantagem na leitura de tabelas.1
5
Essas notas são resultados de benchmarks, não uma porcentagem universal de precisão nem garantia de desempenho nos arquivos de uma empresa específica. Elas se aplicam aos modelos e protocolos de avaliação daquela comparação. Antes de usar o OXR em produção, teste documentos representativos do seu acervo, incluindo páginas com tabelas complexas e múltiplas colunas.1
A SoMark também divulga números de velocidade. Uma das comparações registra 557,77 tokens nativos por segundo e 0,990373 página por segundo; outra divulgação menciona um teste de 100 páginas concluído em cerca de 101 segundos.1
31 São resultados reportados, não uma promessa de desempenho igual em outros equipamentos, conjuntos de documentos ou configurações de implantação.
Disponibilidade e atenção à licença
O código do OXR está no GitHub, e os pesos do modelo estão disponíveis no Hugging Face.4
13 Antes de adotá-lo, leia a licença com atenção: o repositório descreve a Apache 2.0 com termos adicionais, que incluem condições para uso comercial.
26 Portanto, a expressão “código aberto” não significa que o uso comercial seja irrestrito.
O OXR serve para um fluxo de RAG ou de agentes?
Vale avaliar o OXR quando o fluxo precisa preservar a estrutura dos documentos — e não apenas reconhecer o texto — e quando Markdown ou JSON com coordenadas de página se encaixam no sistema que vem depois. As pontuações e a velocidade divulgadas fazem dele um candidato, não uma substituição comprovada que funcione sem ajustes.1
4
7
Teste o modelo com uma amostra dos seus próprios arquivos e confira a fidelidade das tabelas, a ordem de leitura, a qualidade das coordenadas, a latência e os termos da licença. Para decidir se ele serve a um fluxo específico, essas verificações dizem mais do que a posição em um ranking.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "OXR-1.0: o que faz o leitor de documentos de 1,3 bilhão de parâmetros"?
O OXR 1.0, da SoMark, converte PDFs e imagens de documentos em Markdown ou JSON com coordenadas de layout, preservando estruturas úteis para sistemas de IA.
Quais são os pontos-chave para validar primeiro?
O OXR 1.0, da SoMark, converte PDFs e imagens de documentos em Markdown ou JSON com coordenadas de layout, preservando estruturas úteis para sistemas de IA. A empresa reporta os melhores resultados em três benchmarks de leitura de documentos, mas as pontuações não garantem o mesmo desempenho em qualquer acervo.
O que devo fazer a seguir na prática?
O código e os pesos estão disponíveis, mas a licença inclui termos adicionais sobre uso comercial.
Fontes
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