OXR开源模型横扫三榜第一

OXR 正式开源：主模型仅 1.3B 参数，在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中全部登顶，完整解析速度也超过了同场参测的 PaddleOCR-VL-1.6 和 MinerU2.5-Pro，把轻量模型的精度与效率同时推到了榜首。

OXR 的全称是 Optical Everything Recognition，能够解析表格、公式、化学式等 13 类文档元素，准确还原多栏版面的阅读顺序，输出 Markdown / JSON，并保留版面坐标，让复杂文档成为 Agent 可以继续使用的数据。 根据团队公布的评测结果，OXR 在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 上分别取得 97.18、87.84 和 87.76 分，均位列第一。 一张跨行跨列的表格，文字识别正确只是第一步。

行列关系或合并单元格一旦错位，数字就可能对应到错误的项目。 OXR 可以保留这些结构，并将表格输出为 HTML，供后续展示和处理。 科研文档里的难点则更密集：数学公式有上下标和嵌套结构，化学内容还有反应式与分子结构图。 OXR 将公式输出为 LaTeX，化学方程式用 mhchem 表示，化学结构式用 SMILES 表示，让这些内容从页面上的图形变成可继续处理的表达。 多栏论文、报纸和试卷还考验阅读顺序。 即便每个区域都识别正确，左右栏串读、正文与旁注混杂，仍会破坏原文含义。

OXR 在识别内容的同时判断阅读顺序，并提供版面坐标，保留内容在页面中的位置。 这些能力共同构成了 OXR 的“Everything”：覆盖文字、表格、公式、化学结构式、代码块等 13 类文档元素，将 PDF 和文档图片解析为 Markdown / JSON，供 Agent、RAG 等下游流程使用。

根据团队公布的同条件完整解析测试结果，在同一张 RTX PRO 6000 Blackwell（96GB）显卡上，解析从 OmniDocBench 随机抽取的 100 页文档，OXR 平均用时约 101 秒，PaddleOCR-VL-1.6 和 MinerU2.5-Pro 则分别需要约 145 秒和 255 秒。 这得益于 OXR 在任务分工上做的一个巧妙设计：由轻量版面分析模型定位内容区域，再由主模型完成内容识别与阅读顺序判断。

OXR 创新性地在后训练阶段首次引入面向文档解析的递归自我改进（Recursive Self-Improvement，RSI）训练范式，将解析中的错样本和弱样本转化为下一轮训练的依据。 OXR 将版面分析设计为独立、可插拔模块。 对于构建 RAG、Agent 和文档工作流的开发者，OXR 无疑提供了一个兼顾解析精度、处理速度与版面适配能力的开源选择。 目前，OXR 已开放代码与模型权重，并提供在线 Demo 和免费 API，方便开发者直接用真实文档检验效果。