نموذج OXR-1.0 من SoMark يحوّل ملفات PDF إلى Markdown وJSON وترخيصه بسقف للإيرادات

نشرت شركة SoMark الصينية المتخصصة في الذكاء الاصطناعي للمستندات نموذج OXR-1.0 بأوزان مفتوحة، وهو نموذج يحوّل ملفات PDF وصور المستندات إلى بيانات منظمة يمكن لوكلاء الذكاء الاصطناعي استخدامها. وقد ظهرت صفحة النموذج على Hugging Face في 2 أكتوبر، وأعادت منصة النماذج ModelScope التابعة لـ Alibaba تسليط الضوء عليه هذا الأسبوع. والتفاصيل وخطوات الإعداد متاحة في مستودع GitHub.

ما هو OXR-1.0

OXR-1.0 نموذج لتحليل المستندات: يأخذ مستندًا ممسوحًا أو رقميًا ويستخرج نصوصه وجداوله وعناصره الأخرى بترتيب القراءة، على شكل Markdown أو JSON يتضمن إحداثيات التخطيط. وتقول الشركة إن النموذج يضم 1.3 مليار معامل، بينما تُظهر بيانات الملفات على Hugging Face مليارين. ويجمع النموذج بين مرمّز للصور ونموذج لغوي، ويأتي جزء تحليل التخطيط كنموذج منفصل قابل للاستبدال يمكن للفرق تغييره بنموذجها الخاص.

وإلى جانب النص العادي، يتعرف النموذج على 13 نوعًا من العناصر، منها العناوين والنصوص والحواشي وتعليقات الصور والمعادلات (LaTeX) والجداول (HTML أو Markdown) والأشكال والأختام وكتل الشيفرة والمعادلات الكيميائية والبنى الكيميائية (SMILES). ويُستبعد رأس الصفحة وتذييلها افتراضيًا. وتشمل الأمثلة خط اليد الصيني والإنجليزي وأوراق الامتحانات والصحف والكتابة العمودية، ولا توجد قائمة باللغات المدعومة.

قياسات الشركة

بحسب مقارنة SoMark بتاريخ 5 أكتوبر، يحتل OXR-1.0 المرتبة الأولى في اختبارات تحليل المستندات الثلاثة: olmOCR-Bench وOmniDocBench وDocParsingBench. وتقول الشركة إن OXR-1.0 هو الأسرع أيضًا في مقارنة شملت 21 نموذجًا، أُجريت على بطاقة NVIDIA RTX PRO 6000 Blackwell بسعة 96 غيغابايت، ويعالج نحو صفحة واحدة في الثانية من البداية إلى النهاية. وتنبّه الشركة إلى أن طريقة تقسيم النص تختلف بين النماذج، لذا لا تُقارن سرعات الوحدات بدقة. وفي مرحلة ما بعد التدريب، دُرّب النموذج على تحسين نفسه بتحويل أخطاء تحليل المستندات الحقيقية إلى إشارات تدريب جديدة.

ما الذي يلزم لتشغيله

بحسب صفحة الإعداد، يحتاج النموذج إلى Linux وبطاقة NVIDIA تدعم BF16 وvLLM، ويُقترح 24 غيغابايت من ذاكرة البطاقة للتجربة منخفضة الحمل و48 غيغابايت أو أكثر للإنتاج. ولأن إصدار vLLM الرسمي لا يدعم OXR بعد، تُستخدم إضافة منفصلة. ولا يُذكر التشغيل على المعالج وحده أو بأدوات مثل llama.cpp. كما تقدم الشركة تجربة وواجهة برمجية مجانيتين لكنها لا توصي باستخدامهما في الإنتاج، والمستندات المرسلة إليهما تغادر جهازك.

ما يجب الانتباه إليه في الترخيص

تنشر SoMark النموذج بموجب "ترخيص OXR مفتوح المصدر" الذي يضيف إلى Apache 2.0 شروطًا تتقدم عليه عند التعارض:

• سقف الإيرادات والتمويل: لا يحتاج الاستخدام التجاري إلى ترخيص منفصل إلا ما دام إجمالي تمويل الشركة وشركاتها التابعة وإيراداتها السنوية لا يتجاوز مليوني دولار. وعلى الشركات التي تتجاوز أيًا من الحدين الحصول على ترخيص تجاري منفصل من SoMark قبل البدء.
• نسب العمل: على من يقدم النموذج كخدمة عبر الإنترنت لأطراف ثالثة أن يذكر SoMark OXR بوضوح في الواجهة أو الوثائق.
• حظر الواجهات المنافسة: يُحظر تقديم واجهة برمجية مستضافة تنافس خدمة SoMark دون إذن كتابي، بغض النظر عن حجم الشركة.
• الإنهاء التلقائي: إذا خولف أي من هذه الشروط تنتهي حقوق الترخيص تلقائيًا دون إشعار.

تستند أرقام الأداء والسرعة إلى قياسات SoMark نفسها ولم يجرِ التحقق منها بشكل مستقل. ورغم وصف النموذج بأنه مدرّب من الصفر، تشير ملفات إعداده إلى نموذجي SigLIP2 من Google وQwen3 من Alibaba. كما يذكر إشعار الشركة أن ترخيص الشيفرة لا يشمل أوزان النموذج وأن شروط الأوزان تُقدَّم بشكل منفصل، لذا فإن شروط استخدام الأوزان ليست واضحة تمامًا. ولهذا يحمل وصف "مفتوح المصدر" هنا معنى مختلفًا عن تراخيص المصادر المفتوحة غير المقيدة، وعلى الشركات التي تفكر في استخدامه في منتجاتها مراجعة الترخيص مع فرقها القانونية. ننصح بمتابعة تقييمات المطورين المستقلين الذين يجربون النموذج على مستنداتهم للاطلاع على زوايا أخرى.