คำตอบเผยแพร่แล้ว19 แหล่งที่มา
OXR-1.0 ทำอะไรได้บ้าง และควรเช็กอะไร ก่อนใช้กับเอกสารจริง
OXR 1.0 เป็นโมเดลขนาด 1.3 พันล้านพารามิเตอร์ที่แปลง PDF และภาพเอกสารเป็น Markdown หรือ JSON พร้อมพิกัดองค์ประกอบบนหน้า SoMark รายงานคะแนนนำใน 3 เบนช์มาร์ก และความเร็วสูงในการทดสอบของโครงการ แต่ผลจริงอาจต่างกันตามไฟล์และสภาพแวดล้อมที่ใช้ ก่อนนำไปต่อกับระบบ RAG หรือเอเจนต์ ควรทดสอบลำดับการอ่าน ตาราง ความเร็ว และตรวจเง...
เผยแพร่โดยแก้ไขด้วย GPT-6 Lunaรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- OXR 1.0 เป็นโมเดลขนาด 1.3 พันล้านพารามิเตอร์ที่แปลง PDF และภาพเอกสารเป็น Markdown หรือ JSON พร้อมพิกัดองค์ประกอบบนหน้า
- SoMark รายงานคะแนนนำใน 3 เบนช์มาร์ก และความเร็วสูงในการทดสอบของโครงการ แต่ผลจริงอาจต่างกันตามไฟล์และสภาพแวดล้อมที่ใช้
- ก่อนนำไปต่อกับระบบ RAG หรือเอเจนต์ ควรทดสอบลำดับการอ่าน ตาราง ความเร็ว และตรวจเงื่อนไขไลเซนส์เพิ่มเติม
AI พรอมต์
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 ของ SoMark คือโมเดลประมวลผลเอกสารขนาด 1.3 พันล้านพารามิเตอร์ ที่แปลงไฟล์ PDF และภาพเอกสารเป็น Markdown หรือ JSON พร้อมพิกัดตำแหน่งของเนื้อหาบนหน้า จุดเด่นคือพยายามเก็บโครงสร้างเอกสารไว้ ไม่ได้ดึงออกมาเพียงข้อความล้วน จึงอาจเหมาะกับระบบ RAG (การค้นคืนข้อมูลมาเสริมคำตอบของ AI) และเวิร์กโฟลว์เอเจนต์ที่ต้องใช้ข้อมูลจากเอกสารต่อ4
5
7
อย่างไรก็ตาม คะแนนเบนช์มาร์กและตัวเลขความเร็วที่เผยแพร่เป็นผลตามการทดสอบที่ระบุไว้ ไม่ใช่คำรับประกันว่าจะทำได้เท่ากันกับเอกสารทุกประเภทหรือทุกระบบ1
OXR-1.0 ทำอะไรกับเอกสารได้บ้าง
โมเดลนี้ออกแบบมาเพื่อดึงเนื้อหาจากเอกสาร พร้อมรักษาข้อมูลว่าแต่ละส่วนอยู่ตรงไหนบนหน้า SoMark ระบุว่าระบบรู้จำองค์ประกอบเอกสารได้ 13 ประเภท โดยตัวอย่างที่ระบุไว้มีทั้งตาราง สูตร คำสั่งหรือบล็อกโค้ด ตราประทับ สมการเคมี และโครงสร้างทางเคมี พร้อมพิกัดกรอบขององค์ประกอบเหล่านั้น4
5
ข้อมูลที่มีโครงสร้างอาจช่วยให้ระบบปลายทางแยกตารางออกจากย่อหน้า หรือเชื่อมข้อความกลับไปยังตำแหน่งในเอกสารต้นฉบับได้ แต่จะมีประโยชน์แค่ไหนขึ้นอยู่กับว่าโมเดลรักษารูปแบบและลำดับการอ่านที่งานของคุณต้องการได้ดีเพียงใด คะแนนบนตารางจัดอันดับอย่างเดียวตอบเรื่องนี้แทนการทดสอบจริงไม่ได้
แยกโมดูลวิเคราะห์เลย์เอาต์ และแนวทางฝึกจากข้อผิดพลาด
SoMark อธิบายว่าโมดูลวิเคราะห์เลย์เอาต์ของ OXR แยกเป็นส่วนที่ปรับเปลี่ยนหรือสลับใช้ได้ คำอธิบายจากแหล่งข้อมูลภายนอกก็ระบุว่าโมดูลนี้เป็นองค์ประกอบแยกต่างหากที่เปลี่ยนได้8
22 แนวทางนี้อาจเป็นประโยชน์กับเอกสารที่มีรูปแบบหน้าเฉพาะ แต่ควรทดสอบโมดูลเลย์เอาต์ที่เลือกควบคู่กับความแม่นยำในการรู้จำและการจัดลำดับการอ่าน
โครงการยังกล่าวถึงกระบวนการปรับปรุงโมเดลแบบวนซ้ำระหว่างการฝึกหลังการฝึกเบื้องต้น โดยนำข้อผิดพลาดจากการแยกวิเคราะห์มาใช้เป็นแนวทาง SoMark อธิบายกระบวนการนี้ว่าเป็นการปรับปรุงตนเองแบบวนซ้ำ ส่วนคำอธิบายอีกแหล่งระบุว่ามีการใช้โมเดลวิชั่น-ภาษา (VLM) ภายนอกและจัดกลุ่มกรณีที่ทำงานพลาด7
8 นี่คือแนวทางในขั้นตอนฝึกโมเดล ไม่ได้หมายความว่าโมเดลที่ติดตั้งใช้งานจะเรียนรู้จากเอกสารทุกไฟล์ที่ประมวลผลโดยอัตโนมัติ
คะแนนทดสอบและตัวเลขความเร็วที่ SoMark รายงาน
ภาพรวมผลเปรียบเทียบที่ SoMark เผยแพร่ระบุว่า OXR-1.0 ได้ 97.18 คะแนนบน OmniDocBench, 87.84 บน olmOCR-Bench และ 87.76 บน DocParsingBench พร้อมอยู่ในอันดับแรกเมื่อเทียบกับโมเดลที่แสดงในชุดเปรียบเทียบนั้น โครงการยังเน้นผลด้านการแยกวิเคราะห์ตารางเป็นพิเศษ1
5
ตัวเลขเหล่านี้เป็นคะแนนจากเบนช์มาร์ก ไม่ใช่เปอร์เซ็นต์ความแม่นยำที่ใช้ได้กับเอกสารทุกชนิด และไม่ได้รับประกันผลกับไฟล์ขององค์กรใดองค์กรหนึ่ง ผลยังขึ้นอยู่กับโมเดลและวิธีประเมินในชุดทดสอบที่ใช้ ดังนั้นควรลองกับเอกสารตัวอย่างที่ใกล้เคียงงานจริง รวมถึงหน้าที่มีตารางซับซ้อนหรือหลายคอลัมน์ ก่อนนำไปใช้จริง1
ด้านความเร็ว ภาพรวมการเปรียบเทียบของ SoMark ระบุตัวเลข 557.77 โทเค็นต่อวินาที และ 0.990373 หน้าต่อวินาที ส่วนรายงานอีกชิ้นกล่าวถึงการประมวลผลเอกสาร 100 หน้าในเวลาประมาณ 101 วินาที1
31 ควรมองตัวเลขเหล่านี้เป็นผลที่รายงานจากการทดสอบ ไม่ใช่การรับรองว่าจะได้ความเร็วเท่ากันบนฮาร์ดแวร์ ชุดเอกสาร หรือรูปแบบการติดตั้งอื่น
ดาวน์โหลดได้ แต่ควรอ่านไลเซนส์ให้ครบ
โค้ดของ OXR เผยแพร่บน GitHub และมีการเผยแพร่น้ำหนักโมเดลบน Hugging Face4
13 แต่ก่อนนำไปใช้ควรอ่านไลเซนส์อย่างละเอียด เพราะในรีโพซิทอรีระบุว่าใช้ Apache License 2.0 พร้อมข้อกำหนดเพิ่มเติม ซึ่งรวมถึงเงื่อนไขเกี่ยวกับการใช้งานเชิงพาณิชย์
26 การเรียกว่า “โอเพนซอร์ส” จึงไม่ควรถูกตีความว่าอนุญาตให้ใช้เชิงพาณิชย์ได้โดยไม่มีข้อจำกัด
เหมาะกับระบบ RAG หรือเอเจนต์หรือไม่
OXR น่าลองประเมินเมื่อระบบของคุณต้องการข้อมูลที่มีโครงสร้างจากเอกสาร ไม่ใช่แค่ข้อความที่อ่านได้ และรูปแบบ Markdown หรือ JSON พร้อมพิกัดตำแหน่งตอบโจทย์งานปลายทาง คะแนนและความเร็วที่รายงานทำให้เป็นตัวเลือกที่น่าสนใจ แต่ยังไม่ใช่หลักฐานว่าแทนระบบเดิมได้ทันที1
4
7
ทางที่ดีคือนำไฟล์ตัวอย่างของคุณมาทดสอบ แล้วตรวจความถูกต้องของตาราง ลำดับการอ่าน พิกัดตำแหน่ง เวลาประมวลผล และข้อกำหนดในไลเซนส์ สิ่งเหล่านี้บอกความเหมาะสมกับเวิร์กโฟลว์เฉพาะของคุณได้มากกว่าการดูอันดับบนเบนช์มาร์กเพียงอย่างเดียว
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "OXR-1.0 ทำอะไรได้บ้าง และควรเช็กอะไร ก่อนใช้กับเอกสารจริง" คืออะไร
OXR 1.0 เป็นโมเดลขนาด 1.3 พันล้านพารามิเตอร์ที่แปลง PDF และภาพเอกสารเป็น Markdown หรือ JSON พร้อมพิกัดองค์ประกอบบนหน้า
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
OXR 1.0 เป็นโมเดลขนาด 1.3 พันล้านพารามิเตอร์ที่แปลง PDF และภาพเอกสารเป็น Markdown หรือ JSON พร้อมพิกัดองค์ประกอบบนหน้า SoMark รายงานคะแนนนำใน 3 เบนช์มาร์ก และความเร็วสูงในการทดสอบของโครงการ แต่ผลจริงอาจต่างกันตามไฟล์และสภาพแวดล้อมที่ใช้
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
ก่อนนำไปต่อกับระบบ RAG หรือเอเจนต์ ควรทดสอบลำดับการอ่าน ตาราง ความเร็ว และตรวจเงื่อนไขไลเซนส์เพิ่มเติม
แหล่งที่มา
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 ...