核心要点速览
- 将PDF或文档扫描图转换为结构化的Markdown与JSON，精准区分正文、表格、公式、图表与代码并输出元素版面坐标。
- 官方提供无需注册与申请API Key的免费试用接口，但请求会进入排队队列且不保证稳定性，明确不建议直接用于生产环境。
- 本地运行需Linux与支持BF16的NVIDIA GPU（低并发试用建议24GB显存、长文档或高并发建议48GB以上），采用带附加条款的OXR专属许可证。
不止于纯文字提取：保留表格、公式、代码与版面坐标的PDF结构化解析
由SoMark团队开源的《OXR》（SoMarkAI/OXR）是一套专门针对复杂版面文档设计的AI文档解析模型，其基准测试与效果表现在X上引发了大量AI工程师与RAG开发者的关注。它的核心任务是将PDF文件或文档图像转换成下游大模型与检索系统可直接消化的Markdown或JSON结构化数据。
与传统OCR只把文字按行硬拽出来不同，OXR在解析时会主动区分正文段落、复杂表格、数学公式、插图以及代码块等不同元素，并同时输出各个元素在页面中的位置坐标（Bounding Box）。对于包含多栏排版、跨页表格的学术论文或财报资料，这种保留阅读顺序与空间结构的能力尤为实用；不过官方高分基准不代表在任何生僻日文或中文排版上都能100%零误差，仍需结合自有语料实测。
出处[1]
免注册免API Key试用入口与局限：请求需排队、切勿直接拿来跑生产业务
根据官方GitHub仓库README的说明，SoMark提供了免费的在线Demo以及免注册、无需申请API Key即可直接调用的试用API。对于想快速验证解析质量的开发者来说，不需要繁琐的账号审批就能直接跑通脚本。
但官方文档也把丑话说在了前头：免费试用API的所有请求都会进入公共排队队列，官方不对响应耗时与服务高可用性做任何保证，明确不建议将其直接接入正式生产环境（Production）。初次测试时，建议先挑几页不含商业机密的公开多栏PDF或带公式表格的样本，重点比对转换后的多栏阅读顺序、表格行列对齐以及公式LaTeX还原度。
出处[1]
本地自建需24GB至48GB以上显存，商用前务必细读OXR专属许可证附加条款
如果打算把OXR搬回本地服务器自建（Self-host），官方给出的硬件门槛是以Linux系统搭配支持BF16精度的NVIDIA GPU为基础：低并发轻量试用建议至少配备24GB显存，而如果要处理超长PDF文档或支撑高并发吞吐，则建议准备48GB及以上的GPU显存。
另一个在立项前必须核查的细节是开源协议：官方README明确指出，OXR采用的并非毫无限制的标准Apache 2.0协议，而是附带了额外限制条款的「OXR专属许可证」（OXR License）。在将其集成进商业产品或对外提供解析服务前，请务必先仔细阅读仓库根目录下的LICENSE全文。
出处[1]
常见问题
SoMark的《OXR》文档解析模型和普通的OCR文字识别工具有什么区别？
普通OCR只负责把图片里的字认出来，遇到多栏排版或复杂表格容易串行；而OXR会将版面拆解为正文、表格、数学公式、代码等结构化元素，附带位置坐标输出为Markdown或JSON，方便直接喂给大模型或RAG知识库。
出处[1]
官方提供的免API Key免费接口可以直接用在公司的正式产品里吗？
不可以。官方README明确声明免费API采用排队机制且不承诺服务稳定性，仅限开发测试与效果评估；正式业务上线请自行部署本地算力或联系官方确认商业授权方案。
出处[1]
参考链接与官方出处
- SoMarkAI OXR公式READMEgithub.com
