SoMark 开源文档解析模型 OXR-1.0：1.3B 参数登顶三项基准

SoMark 开源了 1.3B 参数的文档解析模型 OXR-1.0，可将 PDF 和页面图像转成 Markdown 或 JSON，输出表格、LaTeX 公式、代码块等 13 类元素并带页面坐标。它在 olmOCR-Bench、OmniDocBench 和 DocParsingBench 上排名第一，同时是 21 个受测模型中最快的，单张 NVIDIA RTX PRO 6000 上解码速度达 558 tokens/秒，页吞吐是 GLM-OCR 的 3.05 倍。其架构把版面检测与识别拆开，团队可替换自己的版面模型。训练采用递归自我改进（RSI）循环，用通用 VLM 判错并生成新标注数据，全程无需人工标注。权重已在 Hugging Face 发布，轻量测试只需 24GB 显存，并提供免注册的免费 API。