OTRouterClaude、GPT 一个 Key 调用看价格 →

OXR

开源文档解析模型,把 PDF 和文档图片转成带布局坐标的 Markdown 或 JSON,支持免费 API 与离线自托管。

访问官网

编辑点评

"1.3B 参数的开源文档解析模型,官方公布的对比结果中三项基准领先,附带免费 API 与可离线自托管方案;商用许可按融资或营收规模设门槛,超出后需单独授权。"

优势

  • • 1.3B 参数,官方公布的 olmOCR-Bench、OmniDocBench、DocParsingBench 对比中排名第一
  • • 输出带布局坐标与阅读顺序的 Markdown/JSON,可识别 13 类文档元素
  • • 布局分析模块可插拔,便于按文档类型定制
  • • 开源权重,支持免费 API、在线演示与完全离线自托管

局限

  • • 当前版本重点在数字文档,拍照类文档使用前需要自行测试
  • • 不支持 Office、GIF/HEIC/HEIF、CAD 等格式,需要先转成 PDF 或图片
  • • 暂不支持跨页表格合并与直接字段抽取,需配合 LLM 或 SoMark 商业版
  • • 免费 API 不保证稳定性,官方不建议用于生产环境

Q&A

快速了解这个工具的常见问题与答案

Q
这个工具如何收费?
Answer

OXR 以开源方式发布,个人使用、非商业研究,以及未超过规模门槛的团队可按 OXR 开源许可免费使用,免费 API 也可以直接试用。若公司及关联方融资或年营收超过 200 万美元,内部使用或对外提供产品与服务需要向 SoMark 申请商业许可,费用需联系官方确认。免费 API 不保证生产稳定性。

Q
这个工具支持哪些访问方式?
Answer

可通过网页端在线演示和 API 使用,也可以下载开源权重在本地或自有服务器部署;此外还提供 CLI、Python/JavaScript SDK、MCP 等集成方式。手机、嵌入式等端侧场景不是 OXR 的目标方向。

Q
这个工具是否支持 API?
Answer

支持。官方提供免费 OXR API,接口与 SoMark 文档解析 API 兼容,可用 somark-py 或 somark-js 修改 Base URL 后直接调用;自托管部署同样提供解析 API 和接口文档。

Q
这个工具是否支持中文或多语言?
Answer

OXR 主要在中英文数据上训练,对中文、英文以及常见 CJK、西文文档表现较好;官方说明多语言不是当前版本重点,其他语言的识别效果未做保证。项目文档提供英文和简体中文两个版本。

Q
这个工具是否支持数据导出?
Answer

支持。解析结果可输出为 Markdown 或 JSON,并携带元素类型、边界框坐标和阅读顺序等信息;既可以通过 API 返回,也可以用 CLI 的 --formats md,json --out 保存到本地文件,方便后续检索或接入其他系统。

Q
使用这个工具需要技术背景吗?
Answer

直接使用在线演示或免费 API 的门槛较低;本地部署需要 Linux、NVIDIA GPU、Docker 或 vLLM 等环境配置,更适合有运维和开发能力的团队。若要替换布局分析模型,还需要按接口自行适配。

Q
这个工具有哪些主要限制?
Answer

当前版本重点在数字文档,自然场景拍照文档需要自行测试;不支持 Office、GIF/HEIC/HEIF、CAD 等格式,需要先转换;暂不支持跨页表格合并和直接字段抽取,可结合 LLM 或 SoMark 商业版完成;多语言不是当前重点,免费 API 也不保证生产稳定性。

工具介绍

产品简介

OXR(Optical Everything Recognition)是 SoMark 团队开源的文档解析模型,参数规模 1.3B。它面向 PDF 和文档图片,把页面内容转换为适合 Agent 使用的 Markdown 或 JSON,并保留元素的边界框坐标与阅读顺序。按照官方公布的对比结果,它在 olmOCR-Bench、OmniDocBench 和 DocParsingBench 上排名第一(对比范围为所展示的模型与评测协议)。除开源权重外,官方还提供在线演示和免费 API,也可在自有服务器上完全离线部署。

核心功能

  • 1.3B 参数,官方公布的 olmOCR-Bench、OmniDocBench、DocParsingBench 对比中排名第一
  • 输出带布局坐标与阅读顺序的 Markdown/JSON,可识别 13 类文档元素
  • 布局分析模块可插拔,便于按文档类型定制
  • 开源权重,支持免费 API、在线演示与完全离线自托管
  • 覆盖演示、文档与 PDF相关需求

适用场景

  • 文档处理
  • 知识管理

适合谁用

  • 开发者
  • 技术团队
  • 需要集成 AI 能力的产品团队

选择参考

  • 适合场景:知识库与资料整理 / 资料导入。
  • 外部参考:公开工具目录中的收录还比较少;GitHub 项目 security/advanced-security;可找到 9 个相关视频或教程。
  • 使用建议:更适合直接进入同类工具对比,重点看输出质量、价格和团队协作细节。

核心能力

主能力
演示、文档与 PDF
次要能力
搜索、知识库与研究

适用场景

知识管理
文档处理
价格与版本
FreeEnterprise Quote
访问方式
Web AppAPI
支持语言
EnglishSimplified Chinese

产品动态

查看官方发布和相关报道,了解这个产品的最新进展。

相关报道

更多
2026年9月10日
Suno发布AI音乐模型v6,基于授权音乐训练

OmniTools 9月10日消息,AI音乐公司Suno正式推出新版本模型Suno v6。该公司表示,该模型未沿用此前版本所使用的音乐数据,转而完全基于获得授权的音乐内容进行训练。 据公开信息,华纳音乐集团(Warner Music Group)和BMG参与了Suno v6的训练数据授权合作。此举旨在提升模型在版权合规性与音乐生成质量方面的表现。 Suno v6的发布标志着AI音乐生成领域在合法数据源应用方面迈出新一步,但具体技术细节与上线时间尚未披露。

2026年8月18日
“双向钢人Prompt”方法公开:四步提升AI深度思考能力

OmniTools 8月18日消息,有研究者基于Reddit相关讨论,结合逻辑学中的“钢人论证”(steelman)理念,提出一种名为“双向钢人Prompt”的新型提示方法。该方法包含四个步骤:重述真实问题、强化正反双方观点、识别关键变量、要求AI给出明确判断。 该Prompt设计旨在减少大语言模型的回避倾向与表面迎合,推动其进行更本质的推理。作者以“选择公司司庆日”这一实际决策场景为例,演示了该方法的应用过程与效果。 相关方法已通过公开文章发布,未涉及商业工具集成或特定模型...

2026年7月28日
Google Search AI Mode 新增五项线下生活规划功能

OmniTools 7月28日消息,Google Search 的 AI Mode 近日上线五项新功能,聚焦线下生活场景支持。功能包括:基于 Personal Intelligence 与 Google Calendar 对接,推荐本地课程;在 AI Mode 内直接购物并查询附近门店库存;调用 Canvas 工具生成桌游策略指南并模拟对弈;按预算和人数筛选、预订演唱会等门票;连接 Canva 快速生成邀请函设计。