SoMark｜OXR

采用RSI训练，精度与速度双 SOTA 的开源文档解析模型

---

让文档成为 Agent-Friendly 数据

🌐 Online Demo ｜ 🔥 🆓 Free API

English · 简体中文

OXR（Optical Everything Recognition）是 SoMark 团队开源的SOTA文档解析模型，参数量1.3B，可将 PDF 和文档图片解析为 Agent-Friendly 数据（Markdown / JSON），并提供版面分析结果。

OXR从零开始预训练（Pretrained from Scratch），并在后训练阶段首次引入面向文档解析的递归自我改进（RSI）训练范式。在全球三大基准 OmniDocBench、olmOCR-Bench 和 DocParsingBench 测试中，OXR 均位列第一，同时解析速度也达到业内领先水平。

在架构设计上，OXR 首次将版面分析模块设计为独立、可插拔模块。在提升解析效率的同时，也让业务适配更加灵活。用户可根据业务对文档结构的要求，用自有模型替换内置的版面分析模型，以最小成本实现多场景适配。

如果这个项目对你有帮助，请点击右上角 ⭐ Star 支持一下，这是对开发者最大的鼓励！

• 🎯 高精度解析，全球三榜第一

  • 在全球三大基准 OmniDocBench、olmOCR-Bench 和 DocParsingBench 测试中，OXR 均位列第一🏆，其中表格解析子项的优势尤为突出。
  • OXR 可识别公式、表格、化学方程式、化学结构式和代码块等 13 类文档元素，并提供对应的版面坐标；面对 A3 试卷、报纸等复杂版面，以及竖排文字和手写内容，也能保持良好解析效果。
  • 可前往 docs/benchmark.md 中查阅完整数值并复现评测结果。

• 🚀 1.3B 参数，解析速度领先

  • OXR 仅 1.3B 参数，在 RTX PRO 6000 上的速度测试中位居开源文档解析模型第一🏆。
  • OXR 在任务层面重构了工作架构，实现在保持精度的同时解析速度的提升。
  • 可前往 docs/benchmark.md 中查阅完整数值并复现评测结果。

• 🧩 可插拔版面分析模块，按业务需求灵活替换

  • 版面分析一直是各个领域文档发生差异最大的模块。即使是同一份文档，不同业务对于元素类别、区域边界、内容分组的定义都会有所差异。
  • OXR 首次将版面分析设计为独立、可插拔模块。用户可以直接使用内置模型，也可以根据业务要求接入自有模型，再继续使用 OXR 的内容识别与阅读顺序判断能力，以最小成本实现多场景适配。
  • 可在下方“How it works”章节了解详情

动图展示了 OXR 的解析过程。

下方展示不同文档类型的 OXR 解析示例，点击图片可查看原图。

A3试卷	中文手写	代码块
化学方程式	化学结构式	复杂公式
复杂表格	学术论文	报纸
研报	简历	英文手写

本系统分为Layout Analysis模型和OXR两个模型，我们将Reading Order并入了Recognition阶段，并且发生在同一个模型上。这样的设计对于速度、效果都更加有效。

且如此设计还有一个特别的目的，方便定制。我们发现Layout Analysis一直是各个领域文档发生差异最大的模块，文档解析服务商通常在提供服务时，这一部分是最需要定制开发的。而现在的文档解析工具要么将其交给Recognition模型承担，要么设计特殊模型带上Reading Order任务。我们如此设计实现了最简洁的Layout Analysis接入方式，任何Layout Analysis模型都可以和OXR模型工作的很好。

对于文档解析这样一个有“标准答案”的任务，我们一直期待有一套工程系统能够帮助核心模型自我提升。OXR的RSI方案如下图所示。对于错样本、弱样本，这套RSI方案可以针对性的进行优化和提升，无需人类参与标注，这让我们的迭代速度空前的快。

OXR 提供免费 API，无需注册或申请 API 密钥，即可用自己的文档测试解析效果。

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 Free OXR 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

somark.cn是somark.ai的镜像源地址，可以根据所在地区自行选择

OXR 系统的 文档解析 API 接口和 SoMark 官方的文档解析 API 接口兼容，所以你可以直接使用somark-py、somark-js这些SoMark官方文档解析 CLI 工具替换 Base URL 后直接使用。支持的接口和输出格式见 1.4。

# using python
pip install somark
# or using js
npm install -g somark-js

somark --base-url https://free-oxr.somark.ai/api/v1 --api-key dummy \
  parse document.pdf --formats md,json --out ./parsed-output/

操作系统：Linux
GPU：NVIDIA（支持 BF16）
驱动：NVIDIA 驱动（兼容 CUDA 13.0）
Python：3.12（模型下载／源码启动）
起步显存：单卡 24GB（低并发试用）
推荐显存：单卡 ≥48GB（长文档／较高并发）

先获取代码并准备模型下载环境：

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

# or using ModelScope
# pip install -U modelscope-hub
modelscope download SoMark/OXR-1.0 --local_dir ./models/OXR-1.0

推荐使用docker配置服务，一次性启动所有服务。

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

等待启动日志显示服务就绪后，打开 http://localhost:8000/demo 或 http://localhost:8000/docs 。 首次启动可能较慢，默认启动等待上限为 900 秒。 更多高级参数和使用示例，可以前往 How to use OXR 了解。

完成代码和模型下载后，分别启动以下三个服务。各服务使用独立的进程和虚拟环境，所有命令均在 OXR 仓库根目录执行。文档解析 API 服务依赖于 OXR 模型和 Layout Analysis 模型这两个服务，因此启动顺序上，需要先启动两个模型服务API。

OXR 模型服务（端口 8080）

OXR 支持 vLLM，但当前 vLLM 官方还未支持OXR模型推理，我们在Huggingface权重文件夹中提供了 out-of-tree 的 plugin 以及加载脚本，无需重新编译，可以在 vLLM 官方 docker 或 CLI 中直接用 plugin 启动。

# pip install vllm==0.25.1 transformers==5.13.1

MODEL_PATH="$PWD/models/OXR-1.0" \
  bash services/oxr/start_vllm.sh \
  --gpu-memory-utilization 0.70 --max-num-seqs 16

Layout Analysis 模型服务（端口 8081）

Layout Analysis 模型权重包含在前面下载的 OXR 模型权重文件夹中。

# pip install torch==2.11.0 torchvision==0.26.0 --index-url https://download.pytorch.org/whl/cu130
# pip install -r services/layout_analyze/requirements.txt

MODEL_PATH="$PWD/models/OXR-1.0/layout_analysis/last.pth" \
DFINE_DEVICE=cuda \
  python -m uvicorn dfine_la.api:app \
  --app-dir services/layout_analyze \
  --host 127.0.0.1 --port 8081 --workers 1

文档解析 API（端口 8000）

把项目中提供的config.example.yaml复制一份为config.yaml，将前面两个启动好的服务地址填写在layout_analyze_model和oxr_model的 url 参数中。

# pip install -c docker/requirements.allinone.txt .

oxr serve --config config.yaml \
  --host 127.0.0.1 --port 8000 --workers 1

三个服务启动后，Demo 和解析接口的使用方式与 Docker 启动相同，见 1.3 和 1.4。

打开 http://localhost:8000/demo ，上传 PDF 或图片，可查看原文件、Markdown 预览、源码、版面框与阅读顺序，并下载 Markdown。

Demo 使用临时文件缓存，默认有效期为 1 小时，处理期间会续期。缓存过期或被清理后无法继续访问，需及时下载结果。

OXR 的 API 与 SoMark API 兼容，部分特殊能力 OXR 不支持，但 SoMark 的生态完全支持部署的 OXR 服务。可以前往 SoMark 官网 参考：API 接口文档。

直接访问解析接口：

curl --fail-with-body http://localhost:8000/v1/parse/sync \
  -F 'file=@document.pdf' \
  -F 'api_key=dummy' \
  -F 'output_formats=markdown' \
  -F 'output_formats=json'

SoMark 为解析业务封装了完善的 CLI & SDK，并提供了 python 和 js 两种语言的支持。本 OXR 项目兼容该 CLI 和 SDK 的文档解析接口，可以直接替换baseURL后使用。更多信息可以查阅该文档：https://docs.somark.ai/en/cli-sdk

pip install somark

somark --base-url http://localhost:8000/v1 --api-key dummy \
  parse document.pdf --formats md,json --out ./parsed-output/

SoMark 团队围绕文档解析工作开发了一系列生态工具，如果能够提供到帮助，请帮忙点一个 ⭐ Star。

当前可引用 OXR-1.0 开源项目，技术报告发布后再补充论文引用。

@misc{somark2026oxr,
  author = {{SoMark}},
  title = {{OXR-1.0}},
  url = {https://github.com/SoMarkAI/OXR},
  note = {GitHub repository}
}

OXR 采用 OXR Open Source License，基于 Apache 2.0 的自定义许可证，附带额外条款。

如果您需要更进一步的服务，可联系SoMark团队→somark.ai

欢迎加入 OXR 社区，交流文档解析实践、反馈使用问题，获取最新动态。

• Discord — 交流 OXR 使用经验、讨论技术问题，分享你正在做的项目。
• X / Twitter — 关注 OXR 版本发布与 SoMark 最新动态。
• LinkedIn — 关注 SoMark 公司动态与产品更新。
• GitHub Issues — 提交问题、提出功能建议，跟进处理进展。
• 微信 — 扫描下方二维码，关注 SoMark 微信公众号，或加入 OXR 微信交流群，与其他用户交流实践心得。

微信公众号	微信交流群