OXR强势开源！1.3B横扫全球三榜第一，速度快过Paddle、MinerU，RSI让它卷出新高度
内容提要
SoMark团队开源了1.3B参数的文档解析模型OXR，在OmniDocBench、olmOCR-Bench、DocParsingBench三项基准上均排名第一，解析速度优于PaddleOCR-VL与MinerU。该模型支持表格、公式、化学式等13类元素，可输出Markdown/JSON并保留版面坐标。架构上，由轻量版面分析模型定位区域，主模型识别内容并判断阅读顺序；后训练引入递归自我改进，用错误样本迭代训练。版面分析模块可插拔，代码与权重已开放。
延伸解读
轻量模型如何兼顾精度与速度
OXR仅1.3B参数，却在三项基准上排名第一，解析速度也快于PaddleOCR-VL-1.6和MinerU2.5-Pro。其关键在于架构分工：轻量版面分析模型先定位区域，主模型同时完成内容识别与阅读顺序判断，减少了单独排序的开销。这种设计让模型在保持小体积的同时，仍能处理表格、公式等复杂元素，为批量文档解析提供了效率基础。
RSI训练：用错误样本驱动迭代
文档解析难以靠固定样本覆盖所有版式，OXR在后训练阶段引入递归自我改进（RSI）。流程可理解为多个AI模型协作“查错与补课”，将解析中的错样本和弱样本转化为下一轮训练依据。这样训练数据准备有了明确的问题指向，且新增数据无需人工标注，加快了模型迭代，也突破了人工准备材料的效率瓶颈。
可插拔版面分析带来的业务适配
不同业务对文档结构的定义可能不同，例如同一组图片，归档希望整体保留，检索则需逐张提取。OXR将版面分析设计为独立、可插拔模块，用户可使用内置模型，也可接入符合自身标准的其他模型，调整元素类别、区域边界与内容分组，再复用OXR的内容识别和阅读顺序判断能力。这为RAG、Agent等下游流程提供了灵活的版面适配空间。
Q&A
OXR模型的主要功能和特点是什么？
OXR是SoMark团队开源的1.3B参数文档解析模型，能解析表格、公式、化学式等13类文档元素，准确还原多栏版面阅读顺序，输出Markdown/JSON并保留版面坐标，在OmniDocBench、olmOCR-Bench和DocParsingBench三项基准上均排名第一，解析速度优于PaddleOCR-VL和MinerU。
OXR在文档解析速度上相比其他模型有什么优势？
在RTX PRO 6000 Blackwell显卡上解析100页文档，OXR平均用时约101秒，而PaddleOCR-VL-1.6和MinerU2.5-Pro分别需要约145秒和255秒，OXR速度明显更快。
OXR如何处理表格和公式等复杂元素？
OXR能保留表格结构并输出为HTML；公式输出为LaTeX，化学方程式用mhchem表示，化学结构式用SMILES表示，使这些内容可继续处理。
OXR的架构设计是怎样的？
OXR由轻量版面分析模型定位内容区域，主模型完成内容识别与阅读顺序判断，将排序并入识别阶段以减少开销，兼顾解析质量与效率。
OXR训练中使用的递归自我改进（RSI）是什么？
RSI是OXR在后训练阶段引入的训练范式，将解析中的错样本和弱样本转化为下一轮训练依据，通过多模型协作查错补课，无需人工标注，加快迭代。
OXR的版面分析模块可以自定义吗？
可以，OXR将版面分析设计为独立可插拔模块，用户可使用内置模型或接入符合自身业务标准的其他版面分析模型，调整元素类别、区域边界与内容分组，并复用OXR的内容识别和阅读顺序判断能力。
