1.3B小模型扫平文档解析三榜第一！上海团队

上海 SoMark 团队刚开源了个文档解析模型 OXR，1.3B 参数，号称扫平了三个榜单。

它专门把 PDF、扫描件转成机器能直接吃的 Markdown。最狠的是训练法：靠大模型自己审自己、挑错补数据，全程零人工标注。版面分析还能单独拆出来换，按业务随便改规则。

不过这项目刚火就翻车了。搜“SoMark OXR”排第一的，是个零星的第三方假仓库；官方还放话“消费级显卡就能跑”，结果真身要求 Linux 加 NVIDIA 显卡，24GB 显存只够低并发测试，8G 的卡根本带不动。

更坑的是它的开源协议。看着像 Apache 2.0，其实加了限制：年收入或融资超 200 万美元就得交钱，还禁止做竞品 API。博主提醒，榜单成绩全是自报的，论文也没发，想用最好先去免费 API 试水，别急着买卡。