我们开源了 OXR： 1.3B 文档解析模型，全球三榜第一，提供免费 API

首先先自我介绍一下，我是 SoMark 团队的 CTO 。

我们最近开源了一个新的文档智能解析模型—— OXR （ Optical Everything Recognition ）。

它可以把 PDF 和文档图片转成 Markdown / JSON ，支持表格、公式、化学式、代码块等 13 类元素，并且解析结果中包含版面坐标信息。

OXR 的主模型只有 1.3B ，在全球三项文档解析基准测试中其总分都排到了第一：OmniDocBench 97.18 、olmOCR-Bench 87.84 、DocParsingBench 87.76 。

速度也做了同条件实测：单张 RTX PRO 6000 Blackwell （ 96GB ），解析 100 页从 OmniDocBench 里随机抽取的文档，OXR 平均用时约 101 秒，在参测的 21 个开源模型中最快，其中包括 Paddle 和 MinerU 。

OXR 创新采用 RSI 训练范式，结合巧妙的架构设计，达到了精度与速度双 SOTA 。同时 OXR 的版面分析模块独立、可插拔。大家可以直接用我们的内置模型，也可以按照业务需求进行替换。

OXR 项目地址：https://github.com/SoMarkAI/OXR

下面向大家介绍一下 OXR 的具体使用方法。

一、不部署，先跑一份文档

想先看看效果，可以直接打开 在线 Demo，上传 PDF 或文档图片，对照原文查看解析出的 Markdown 和版面结果。

为了方便大家调用，我们也开放了免费 API ，不用注册，也不用申请 Key 。装好 CLI ，就能把自己的 PDF 转成 Markdown 和 JSON：```
pip install somark

somark --base-url https://free-oxr.somark.cn/api/v1 --api-key dummy \
parse document.pdf --formats md,json --out ./parsed-output/
``把 document.pdf 换成你的文件路径，结果会保存到 ./parsed-output/。其中 dummy` 只是工具参数的占位值，不是真实 Key 。

我们将持续提供免费 API 服务，直至我们的服务器顶不住压力。

⚠️ 注意：不建议将免费 API 用于线上环境，我们没有稳定性保证，也设置了排队机制，速率略有浮动。

二、本地部署 OXR

本地部署的配置要求如下，准备好后下载我们提供的代码和模型，即可通过 Docker 或源码启动服务。

项目 |
环境要求 |

操作系统 |
Linux |

GPU |
支持 BF16 的 NVIDIA GPU |

驱动 |
兼容 CUDA 13.0 的 NVIDIA 驱动 |

容器引擎 |
Docker （仅 Docker 启动需要） |

GPU 容器支持 |
NVIDIA Container Toolkit （仅 Docker 启动需要） |

Python |
Python 3.12 （用于下载模型和源码启动） |

显存（起步建议） |
单卡 24GB ，用于低并发试用 |

显存（推荐配置） |
单卡 48GB 及以上，为长文档和较高并发预留空间 |

1. 下载代码和模型。权重可从 Hugging Face 或 ModelScope 获取，这里以 Hugging Face 为例：```
git clone https://github.com/SoMarkAI/OXR.git
cd OXR
pip install -U huggingface_hub
hf download SoMarkAI/OXR-1.0 --local-dir ./models/OXR-1.0
``**2. 启动服务。**推荐使用 docker 配置服务，一次性启动所有服务。首次启动可能较慢，默认启动等待上限为 900 秒。``
docker build -f docker/Dockerfile.allinone -t oxr-1.0 .
docker run --rm --gpus all --ipc=host \
-p 127.0.0.1:8000:8000 \
-v "$PWD/models/OXR-1.0:/models/oxr-model:ro" \
oxr-1.0
```3. 打开本地 Demo ，或通过 API 调用。

等待启动日志显示服务就绪后，打开 http://localhost:8000/demo 上传文档即可查看解析结果；接口文档在 http://localhost:8000/docs。

也可以将前面 CLI 命令的 --base-url 改成 http://localhost:8000/v1，调用本地服务。

源码启动方式、并发和显存参数等详细说明见 README。

三、配套的 SoMark 生态工具

此前我们团队围绕核心产品 「 SoMark 文档智能」开发了一系列生态工具，OXR 作为我们的独立开源模型，同样适配：

|
一句话简介 |
项目地址 |

SoMarkDown |
SoMark 、OXR 官方的 Markdown 解析与渲染库 |
https://github.com/SoMarkAI/SoMarkDown |

SoMarkDownViewer |
SoMarkDown 的实时编辑应用 |
https://github.com/SoMarkAI/SoMarkDownViewer |

SoPDF |
高性能、宽松开源许可的 PDF 处理库 |
https://github.com/SoMarkAI/SoPDF |

Docision |
面向文档场景的多模态 Jev |
https://github.com/SoMarkAI/docision |

somark-py |
服务 SoMark 、OXR 的官方 Python SDK & CLI |
https://github.com/SoMarkAI/somark-py |

somark-js |
服务 SoMark 、OXR 的官方 JS / TS SDK & CLI |
https://github.com/SoMarkAI/somark-js |

欢迎拿你们手头难处理的文档来试试。哪里没解析对，可以 点击这里 向我们反馈。

如果对大家有帮助，一定要给我们的项目点个 🌟 Star 支持一下～😉

相关链接

- GitHub：https://github.com/SoMarkAI/OXR

- Hugging Face：https://huggingface.co/SoMarkAI/OXR-1.0

- ModelScope：https://modelscope.cn/models/SoMark/OXR-1.0

- 在线 Demo：https://free-oxr.somark.cn/

- 免费 API：https://free-oxr.somark.cn/api/v1

- OXR 官网：https://somark.cn/oxr