Descripción
OXR-1.0 es un modelo avanzado de análisis de documentos de código abierto desarrollado por el equipo de SoMark, diseñado para convertir documentos complejos como PDFs e imágenes en datos estructurados y amigables para agentes. Produce datos en formatos como Markdown o JSON, completos con coordenadas de diseño, lo que lo hace altamente versátil para diversas aplicaciones que requieren una comprensión precisa de documentos.
Leer más
Distinguido por su arquitectura innovadora, OXR-1.0 es el primer modelo de análisis de documentos en incorporar un bucle de auto-mejora recursiva (RSI) durante el post-entrenamiento. Este enfoque único permite al modelo mejorar su rendimiento al dirigirse a muestras que procesa incorrectamente o débilmente, acelerando significativamente la iteración y la mejora sin requerir anotación humana. A pesar de tener solo 1.3 mil millones de parámetros, OXR-1.0 ocupa consistentemente el puesto #1 en los principales benchmarks, incluyendo olmOCR-Bench, OmniDocBench y DocParsingBench, demostrando una precisión superior, particularmente en el análisis de tablas.
Una característica clave de OXR-1.0 es su módulo de análisis de diseño independiente y enchufable, un primero en la industria. Este diseño permite a los usuarios reemplazar el modelo de diseño incorporado por uno personalizado, proporcionando una flexibilidad sin precedentes para adaptarse a diversos requisitos específicos de dominio. OXR-1.0 mantiene sus capacidades centrales en reconocimiento de contenido y orden de lectura, asegurando un esfuerzo mínimo de integración en varios escenarios de documentos. Puede reconocer 13 tipos distintos de elementos de documentos, desde fórmulas y tablas hasta ecuaciones químicas y bloques de código, proporcionando coordenadas de caja delimitadora para cada uno.
Más allá de su precisión, OXR-1.0 cuenta con una velocidad de análisis de primer nivel, superando a otros modelos de código abierto en pruebas de velocidad. Esta eficiencia se logra a través de una arquitectura de procesamiento rediseñada a nivel de tarea, optimizando la velocidad mientras se preserva una alta precisión. El modelo es capaz de manejar tipos y diseños de documentos desafiantes, incluyendo exámenes en A3, periódicos, texto vertical e incluso escritura a mano. SoMark proporciona una API gratuita para pruebas y ofrece herramientas completas de CLI y SDK para Python y JavaScript, asegurando una amplia compatibilidad y facilidad de integración para desarrolladores.
- CategoríaModelos de IA y LLM
- Modelo de preciosFree API / Open Source
- ImplementaciónNube, Se ejecuta en local
- PlataformasWeb
Aspectos destacados de OXR-1.0
Modelo de análisis de documentos de código abierto
Convierte PDFs e imágenes de documentos a Markdown o JSON
Incluye coordenadas de diseño en la salida
Utiliza un bucle de auto-mejora recursiva (RSI) para el post-entrenamiento
Logra una precisión de vanguardia (SOTA)
Ocupa el puesto #1 en olmOCR-Bench, OmniDocBench y DocParsingBench
Cuenta con 1.3 mil millones de parámetros
Ofrece velocidad de análisis líder en la industria
Módulo de análisis de diseño independiente y enchufable
Soporta modelos de diseño personalizados
Maneja reconocimiento de contenido y orden de lectura
Reconoce 13 tipos de elementos de documentos (fórmulas, tablas, ecuaciones químicas, bloques de código, etc.)
Rinde bien en documentos desafiantes (exámenes A3, escritura a mano, texto vertical)
Proporciona una API gratuita para pruebas
Compatible con la API oficial de análisis de documentos y herramientas CLI de SoMark
Primeros pasos con OXR-1.0
Acceder al Modelo: Descargue el código y los modelos de OXR-1.0 desde Hugging Face o ModelScope.
Preparar el Entorno: Configure su entorno para la descarga del modelo y la ejecución del servicio.
Iniciar Servicios: Ejecute los servicios de OXR-1.0 utilizando Docker para una configuración recomendada, o inicie servicios individuales (Modelo OXR, Modelo de Análisis de Diseño, API de Análisis de Documentos) desde la fuente.
Configurar API: Si se ejecuta desde la fuente, configure la API de Análisis de Documentos estableciendo los campos de URL en config.yaml a las direcciones de los servicios del modelo OXR y del modelo de análisis de diseño.
Abrir Demostración Visual: Acceda a la demostración visual en http://localhost:8000/demo para cargar PDFs o imágenes y ver los resultados analizados, incluyendo vista previa en Markdown, fuente, cajas delimitadoras de diseño y orden de lectura.
Enviar Solicitud de Análisis: Utilice la API de OXR directamente o integre con las herramientas CLI/SDK de SoMark (somark-py, somark-js) cambiando la URL base para enviar solicitudes de análisis.
Optimizar Integración: Adapte el módulo de análisis de diseño enchufable a requisitos específicos de dominio para un análisis de estructura de documentos personalizado.
Casos de uso de OXR-1.0
- Digitalización de Documentos
- Extracción de Datos
- Reconocimiento de Contenido
- Procesamiento Automatizado de Documentos
- Preparación de Datos Amigables para Agentes
- Análisis de Diseño Personalizado
- Investigación y Desarrollo
- Evaluación de Analizadores de Documentos








