1.3B国产OXR模型 靠RSI拿下三大文档解析榜单第一

近年来，一款参数量仅13亿的开源文档解析模型OXR横空出世，在三项国际权威文档解析评测榜单中均取得榜首成绩，打破了传统OCR技术的诸多局限。

传统OCR技术在处理复杂文档时常常面临诸多难题：双栏论文排版混乱、手写公式识别错误、跨页表格结构崩坏、化学结构式被误判为杂乱线条等，这些问题会直接影响后续基于这些解析结果的AI应用效果。而OXR模型凭借先进的技术架构，能够精准识别表格、公式、代码块、图像、化学方程式、页眉页脚、印章等13类文档元素，甚至可以将手写笔记一键转换为结构化文本，将数理公式转换为标准代码，完美适配杂志、文献、试卷等多种文档类型。

在性能表现上，OXR不仅准确率突出，速度也远超同类产品：在单张RTX PRO 6000显卡上，完成100页文档的端到端解析仅需101秒，位列开源模型第一。该模型在海外开发者社区也获得了广泛关注，拥有超过1100个代码仓库收藏，曾一度成为海外开发者社区的热门话题。

OXR的核心技术支撑是RSI递归自我改进训练范式，这一技术彻底颠覆了传统AI模型依赖人工标注的模式。长期以来，AI模型要实现高精度往往需要依赖海量人工标注数据，但文档解析领域的标注数据成本极高，且难以覆盖所有复杂场景。OXR团队摒弃了这一思路，让模型通过三个阶段的自我迭代实现性能提升：第一阶段，模型解析海量无标签文档，通过多模态模型将样本分为正确、错误、不确定三类，同时通过多次采样识别模型的不稳定输出；第二阶段，针对错误样本和不确定样本，通过多模态模型诊断具体问题，聚类形成原因簇；第三阶段，基于原因簇生成针对性的训练数据，回流到模型中进行迭代。这种方式让模型在不依赖新增人工标注的情况下持续优化，数据分布也在迭代中不断完善。

除了准确率和速度，OXR的架构设计也极具创新性：采用独立轻量模型负责版面分析，主模型同时负责内容识别和阅读顺序判断，这种拆分组合不仅消除了阅读顺序判断带来的性能损耗，还让版面分析模块成为可插拔的独立组件，支持不同业务场景的个性化需求。对于有特殊版面需求的场景，用户可以替换版面分析模块，直接复用OXR的内容识别能力，大幅降低了业务适配成本。

在部署方面，OXR提供了免费的在线API服务，无需注册即可使用；同时全面适配主流推理框架，支持本地一键部署，代码和权重均已开源，方便开发者复现和二次开发。对于有更高需求的用户，团队还提供了商业级引擎SoMark，支持处理更多格式的文档和定制化后处理。

随着AI技术的发展，智能应用正在逐步渗透到各行业的工作流中，而人类沉淀的大量专业知识仍存储在格式混乱、排版复杂的各类文档中。如果AI无法有效解析这些文档，就难以发挥其应有的价值。OXR模型的出现，正是填补了这一领域的空白，成为连接人类复杂文档和智能应用的关键桥梁，也为智能应用基础设施的完善提供了重要支撑。