Câu trả lờiĐã xuất bản19 nguồn
OXR-1.0 biến PDF thành dữ liệu có cấu trúc cho AI
OXR 1.0 là mô hình 1,3 tỷ tham số chuyển PDF và ảnh tài liệu thành Markdown hoặc JSON kèm tọa độ bố cục, nhằm giữ lại cấu trúc hữu ích cho các quy trình AI. SoMark công bố kết quả dẫn đầu trên ba bộ benchmark và tốc độ xử lý cao, nhưng đây là kết quả trong các phép thử cụ thể, không phải cam kết hiệu năng với mọi lo...
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- OXR 1.0 là mô hình 1,3 tỷ tham số chuyển PDF và ảnh tài liệu thành Markdown hoặc JSON kèm tọa độ bố cục, nhằm giữ lại cấu trúc hữu ích cho các quy trình AI.
- SoMark công bố kết quả dẫn đầu trên ba bộ benchmark và tốc độ xử lý cao, nhưng đây là kết quả trong các phép thử cụ thể, không phải cam kết hiệu năng với mọi loại tài liệu.
- Mã nguồn và trọng số có trên GitHub và Hugging Face; giấy phép Apache 2.0 đi kèm điều khoản bổ sung, nên cần xem kỹ trước khi sử dụng cho mục đích thương mại.
Prompt AI
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 là mô hình phân tích tài liệu có 1,3 tỷ tham số, chuyển PDF và ảnh tài liệu thành Markdown hoặc JSON kèm tọa độ bố cục. Khác với OCR chỉ trích xuất văn bản thuần, cách xuất này có thể giữ lại thông tin về vị trí và cấu trúc của nội dung—điều hữu ích cho hệ thống truy xuất tăng cường sinh (RAG) hoặc quy trình dùng AI agent. Tuy vậy, điểm benchmark do dự án công bố nên được xem là kết quả cần kiểm chứng trên tài liệu thực tế của bạn.4
5
7
OXR-1.0 làm gì?
OXR được thiết kế để nhận diện nội dung tài liệu đồng thời ghi lại vị trí của nội dung đó trên trang. Theo SoMark, mô hình nhận diện 13 loại thành phần; các ví dụ được nêu gồm bảng, công thức, khối mã, con dấu, phương trình hóa học và cấu trúc hóa học, kèm tọa độ khung bao.4
5
Thông tin này có thể giúp hệ thống phía sau phân biệt bảng với đoạn văn, hoặc gắn nội dung trích xuất với vị trí trong tài liệu gốc. Giá trị thực tế phụ thuộc vào việc bộ phân tích có giữ đúng cấu trúc và thứ tự đọc mà ứng dụng cần hay không—điều mà thứ hạng benchmark không thể bảo đảm cho mọi loại tài liệu.
Bố cục có thể thay thế, quá trình huấn luyện dựa trên lỗi
SoMark mô tả phần phân tích bố cục của OXR là một mô-đun độc lập, có thể thay thế bằng mô hình phù hợp với nhu cầu riêng. Một mô tả từ bên thứ ba cũng cho biết mô-đun này có thể hoán đổi.8
22 Đây có thể là lựa chọn hữu ích với tài liệu có bố cục chuyên biệt, nhưng vẫn nên đánh giá mô-đun bố cục cùng kết quả nhận diện và thứ tự đọc.
Dự án cũng mô tả một vòng lặp tự cải thiện đệ quy trong giai đoạn hậu huấn luyện. Theo SoMark, lỗi phân tích được dùng để định hướng việc cải thiện; một mô tả khác cho biết quy trình có sử dụng mô hình thị giác-ngôn ngữ bên ngoài và gom nhóm các trường hợp lỗi.7
8 Đây là phương pháp trong quá trình huấn luyện, không có nghĩa mô hình đang triển khai sẽ tự học từ từng tài liệu nó xử lý.
Các điểm benchmark được công bố nói lên điều gì?
Trong bảng so sánh do SoMark công bố, OXR-1.0 đạt 97,18 điểm trên OmniDocBench, 87,84 trên olmOCR-Bench và 87,76 trên DocParsingBench, đứng đầu trong nhóm mô hình được so sánh. Dự án cũng nhấn mạnh kết quả nổi bật ở tác vụ phân tích bảng.1
5
Đây là điểm số benchmark, không phải tỷ lệ chính xác chung cho mọi tài liệu hay cam kết hiệu năng trên hồ sơ của một doanh nghiệp cụ thể. Kết quả chỉ áp dụng cho các mô hình và quy trình đánh giá trong phép so sánh đó. Trước khi đưa OXR vào vận hành, nhóm kỹ thuật nên thử trên tập tài liệu đại diện, gồm cả bảng phức tạp và trang nhiều cột.1
SoMark cũng công bố tốc độ xử lý cao. Một bảng so sánh ghi nhận 557,77 token mỗi giây ở chế độ native và 0,990373 trang mỗi giây; một báo cáo khác nêu thử nghiệm 100 trang hoàn tất trong khoảng 101 giây.1
31 Hãy xem đây là kết quả được báo cáo, không phải bảo đảm rằng tốc độ sẽ tương tự trên phần cứng, tập tài liệu hay cấu hình triển khai khác.
Nơi tải và lưu ý về giấy phép
Mã nguồn OXR có trên GitHub và trọng số mô hình được đăng trên Hugging Face.4
13 Trước khi sử dụng, hãy đọc kỹ giấy phép: kho mã mô tả giấy phép Apache 2.0 nhưng kèm các điều khoản bổ sung, trong đó có quy định liên quan đến sử dụng thương mại.
26 Vì vậy, nhãn “mã nguồn mở” không đồng nghĩa với quyền sử dụng thương mại không giới hạn.
OXR có phù hợp với quy trình RAG hoặc AI agent?
OXR đáng để thử nếu quy trình của bạn cần giữ cấu trúc tài liệu thay vì chỉ lấy văn bản, và định dạng Markdown hoặc JSON kèm tọa độ phù hợp với hệ thống phía sau. Điểm số và tốc độ được công bố khiến mô hình này trở thành một ứng viên đáng đánh giá, chứ chưa đủ để xem là giải pháp thay thế dùng ngay.1
4
7
Hãy chạy thử trên tài liệu của chính bạn và kiểm tra độ chính xác của bảng, thứ tự đọc, chất lượng tọa độ, độ trễ cùng điều khoản giấy phép. Những bước này sẽ cho biết OXR có phù hợp với quy trình cụ thể hay không—nhiều hơn là chỉ nhìn vào thứ hạng trên bảng điểm.
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "OXR-1.0 biến PDF thành dữ liệu có cấu trúc cho AI" là gì?
OXR 1.0 là mô hình 1,3 tỷ tham số chuyển PDF và ảnh tài liệu thành Markdown hoặc JSON kèm tọa độ bố cục, nhằm giữ lại cấu trúc hữu ích cho các quy trình AI.
Những điểm chính cần xác nhận đầu tiên là gì?
OXR 1.0 là mô hình 1,3 tỷ tham số chuyển PDF và ảnh tài liệu thành Markdown hoặc JSON kèm tọa độ bố cục, nhằm giữ lại cấu trúc hữu ích cho các quy trình AI. SoMark công bố kết quả dẫn đầu trên ba bộ benchmark và tốc độ xử lý cao, nhưng đây là kết quả trong các phép thử cụ thể, không phải cam kết hiệu năng với mọi loại tài liệu.
Tôi nên làm gì tiếp theo trong thực tế?
Mã nguồn và trọng số có trên GitHub và Hugging Face; giấy phép Apache 2.0 đi kèm điều khoản bổ sung, nên cần xem kỹ trước khi sử dụng cho mục đích thương mại.
Nguồn
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