SoMark嘅OXR-1.0係一個有13億參數（1.3B）嘅文件解析模型，可以將PDF同文件圖片轉成Markdown或JSON，並保留內容喺頁面上嘅位置座標。相比淨係抽出一大段OCR文字，呢類結構化輸出有機會更適合用喺檢索增強生成（RAG）同AI代理流程；不過，官方公布嘅基準成績，始終要用自己嘅文件測試先知是否合用。457

OXR-1.0會做啲乜？

SoMark表示，OXR可以辨認13種文件元素，並附上方框座標。項目資料提到嘅例子包括表格、公式、程式碼區塊、印章、化學方程式同化學結構。45

保留版面結構，可能有助下游系統分清楚邊啲係表格、邊啲係段落，亦可以將抽取出嚟嘅內容連返原文位置。實際效果要睇解析器能否保留應用所需嘅結構同閱讀次序；單靠基準測試排名，未足以證明佢對所有文件類型都可靠。

版面分析同訓練方式

SoMark形容OXR嘅版面分析模組可以獨立運作，亦可以替換；第三方模型資料亦指出，版面分析係一個可更換嘅獨立組件。822 對版面較特別嘅文件流程，呢種設計可能有用；不過，選用咩版面模組，都應連同文字辨認同閱讀次序一齊測試。

項目亦提到，模型喺後期訓練時會用一個遞迴式自我改進流程。按SoMark嘅說法，解析錯誤會用作改進線索；另一份描述則提到，流程會用外部視覺語言模型協助分析，並將失敗個案分類。78 呢個講緊嘅係訓練方法，唔代表模型部署後會因為每次處理文件而自動學習。

基準成績同速度要點睇？

SoMark公布嘅比較快照顯示，OXR-1.0喺OmniDocBench得97.18、olmOCR-Bench得87.84、DocParsingBench得87.76，喺該份比較入面排名第一。項目亦特別提到表格解析方面嘅優勢。15

要留意，呢啲係特定基準測試嘅分數，唔係所有文件通用嘅準確率保證。成績只適用於比較中列出嘅模型同評估方法；正式使用前，最好用具代表性嘅文件做測試，包括複雜表格同多欄版面。1

SoMark公布嘅資料亦提到，模型有較高解析速度。一份比較快照列出每秒557.77個原生token，以及每秒0.990373頁；其他報道則指，100頁測試約需101秒。131 呢啲都係已公布嘅測試結果，唔代表換咗硬件、文件組合或部署設定後，仍然會有相同速度。

開始使用前，先睇清楚授權

OXR程式碼可喺GitHub取得，模型權重則上載到Hugging Face。413 不過，授權方面要特別留神：儲存庫列明以Apache 2.0為基礎，但同時附有額外條款，當中包括商業用途相關規定。26 所以「開源」唔等於可以不受限制咁商用。

適唔適合RAG或AI代理流程？

如果工作流程需要保留文件結構，而下游系統又適合接收帶頁面座標嘅Markdown或JSON，OXR值得列入測試名單。已公布嘅成績同速度令佢成為一個候選方案，但唔足以證明佢可以即插即用、取代現有工具。147

最實際嘅做法，係拎自己嘅文件樣本試跑，再逐項檢查表格還原度、閱讀次序、座標準確度、延遲同授權條款。對某個特定流程嚟講，呢啲結果會比單睇排行榜更有參考價值。

SoMark嘅OXR-1.0係一個有13億參數（1.3B）嘅文件解析模型，可以將PDF同文件圖片轉成Markdown或JSON，並保留內容喺頁面上嘅位置座標。相比淨係抽出一大段OCR文字，呢類結構化輸出有機會更適合用喺檢索增強生成（RAG）同AI代理流程；不過，官方公布嘅基準成績，始終要用自己嘅文件測試先知是否合用。457

OXR-1.0會做啲乜？

SoMark表示，OXR可以辨認13種文件元素，並附上方框座標。項目資料提到嘅例子包括表格、公式、程式碼區塊、印章、化學方程式同化學結構。45

保留版面結構，可能有助下游系統分清楚邊啲係表格、邊啲係段落，亦可以將抽取出嚟嘅內容連返原文位置。實際效果要睇解析器能否保留應用所需嘅結構同閱讀次序；單靠基準測試排名，未足以證明佢對所有文件類型都可靠。

版面分析同訓練方式

SoMark形容OXR嘅版面分析模組可以獨立運作，亦可以替換；第三方模型資料亦指出，版面分析係一個可更換嘅獨立組件。822 對版面較特別嘅文件流程，呢種設計可能有用；不過，選用咩版面模組，都應連同文字辨認同閱讀次序一齊測試。

項目亦提到，模型喺後期訓練時會用一個遞迴式自我改進流程。按SoMark嘅說法，解析錯誤會用作改進線索；另一份描述則提到，流程會用外部視覺語言模型協助分析，並將失敗個案分類。78 呢個講緊嘅係訓練方法，唔代表模型部署後會因為每次處理文件而自動學習。

基準成績同速度要點睇？

SoMark公布嘅比較快照顯示，OXR-1.0喺OmniDocBench得97.18、olmOCR-Bench得87.84、DocParsingBench得87.76，喺該份比較入面排名第一。項目亦特別提到表格解析方面嘅優勢。15

要留意，呢啲係特定基準測試嘅分數，唔係所有文件通用嘅準確率保證。成績只適用於比較中列出嘅模型同評估方法；正式使用前，最好用具代表性嘅文件做測試，包括複雜表格同多欄版面。1

SoMark公布嘅資料亦提到，模型有較高解析速度。一份比較快照列出每秒557.77個原生token，以及每秒0.990373頁；其他報道則指，100頁測試約需101秒。131 呢啲都係已公布嘅測試結果，唔代表換咗硬件、文件組合或部署設定後，仍然會有相同速度。

開始使用前，先睇清楚授權

OXR程式碼可喺GitHub取得，模型權重則上載到Hugging Face。413 不過，授權方面要特別留神：儲存庫列明以Apache 2.0為基礎，但同時附有額外條款，當中包括商業用途相關規定。26 所以「開源」唔等於可以不受限制咁商用。

適唔適合RAG或AI代理流程？

如果工作流程需要保留文件結構，而下游系統又適合接收帶頁面座標嘅Markdown或JSON，OXR值得列入測試名單。已公布嘅成績同速度令佢成為一個候選方案，但唔足以證明佢可以即插即用、取代現有工具。147

最實際嘅做法，係拎自己嘅文件樣本試跑，再逐項檢查表格還原度、閱讀次序、座標準確度、延遲同授權條款。對某個特定流程嚟講，呢啲結果會比單睇排行榜更有參考價值。