SoMark'ın OXR-1.0 modeli PDF'leri Markdown ve JSON'a çeviriyor, lisansında ciro sınırı var

Çinli belge yapay zekası şirketi SoMark, PDF'leri ve belge görüntülerini yapay zeka ajanlarının kullanabileceği yapılandırılmış veriye çeviren OXR-1.0 modelini açık ağırlıklarla paylaştı. Modelin Hugging Face sayfası 2 Ekim'de açıldı; Alibaba'nın model platformu ModelScope bu hafta modeli yeniden öne çıkardı. Ayrıntılar ve kurulum adımları GitHub deposunda yer alıyor.

OXR-1.0 nedir

OXR-1.0 bir belge ayrıştırma (document parsing) modeli: taranmış ya da dijital bir belgeyi alıp içindeki metni, tabloları ve diğer öğeleri okuma sırasıyla birlikte Markdown ya da konum bilgisi içeren JSON olarak çıkarıyor. Şirkete göre model 1,3 milyar parametreli; Hugging Face'in dosya bilgisinde ise 2 milyar parametre görünüyor. Model bir görüntü kodlayıcı ile bir dil modelinden oluşuyor, sayfa düzenini çözen bölüm ise ayrı ve değiştirilebilir bir model olarak geliyor; ekipler bu bölümü kendi düzen modelleriyle değiştirebiliyor.

Model düz metin okumanın ötesinde 13 öğe türünü tanıyor: başlık, metin, dipnot, resim altı yazısı, formül (LaTeX), tablo (HTML ya da Markdown), şekil, mühür, kod bloğu, kimyasal denklem ve kimyasal yapı (SMILES) bunların arasında. Sayfa üst ve alt bilgileri varsayılan olarak ayıklanıyor. Örnekler arasında el yazısı Çince ve İngilizce, sınav kağıtları, gazeteler ve dikey yazılı belgeler var; desteklenen dillerin listesi verilmemiş, Türkçe de anılmıyor.

Şirketin ölçümleri

SoMark'ın 5 Ekim tarihli karşılaştırmasına göre OXR-1.0; olmOCR-Bench, OmniDocBench ve DocParsingBench belge ayrıştırma testlerinin üçünde de ilk sırada. Şirket, 21 modelin karşılaştırıldığı hız testinde de en hızlı modelin OXR-1.0 olduğunu belirtiyor. Bu ölçüm 96 GB'lık bir NVIDIA RTX PRO 6000 Blackwell ekran kartında yapılmış; uçtan uca testte model saniyede yaklaşık bir sayfa işliyor. Şirket, farklı modellerin metni farklı parçalara böldüğünü, bu yüzden token hızlarının birebir karşılaştırılamayacağını da not ediyor. Model, eğitim sonrası aşamada gerçek belge ayrıştırma hatalarını yeni eğitim sinyallerine çevirerek kendini iyileştirecek şekilde eğitildi.

Çalıştırmak için ne gerekiyor

Kurulum sayfasına göre model Linux, BF16 destekleyen bir NVIDIA ekran kartı ve vLLM gerektiriyor; düşük yükte deneme için 24 GB, üretim için 48 GB ve üstü ekran kartı belleği öneriliyor. vLLM'in resmi sürümü henüz OXR'ı desteklemediği için ayrı bir eklenti kullanılıyor. Yalnızca işlemciyle ya da llama.cpp gibi araçlarla çalıştırmaktan söz edilmiyor. Şirket ücretsiz bir deneme sayfası ve API de sunuyor; ancak bunları üretimde kullanmamayı öneriyor. Bu hizmeti kullanırken belgelerin şirketin sunucularına gittiği de unutulmamalı.

Lisansta dikkat edilecekler

SoMark modeli "OXR Açık Kaynak Lisansı" ile sunuyor. Bu lisans Apache 2.0'ın üzerine çakışma halinde öncelikli olan ek şartlar getiriyor:

• Ciro ve yatırım sınırı: Ticari kullanım, şirket ve bağlı şirketlerinin toplam yatırımı ve yıllık cirosu 2 milyon doları aşmadığı sürece ayrı lisans gerektirmiyor. Bu sınırlardan birini aşan şirketler, kullanmaya başlamadan önce SoMark'tan ayrı ticari lisans almak zorunda.
• Atıf: Modeli üçüncü kişilere çevrim içi hizmet olarak sunanlar, arayüzde ya da belgelerde SoMark OXR'ı açıkça belirtmek zorunda.
• Rakip API yasağı: SoMark'ın hizmetiyle yarışan barındırılmış bir API kurmak, yazılı izin olmadan, şirketin büyüklüğünden bağımsız olarak yasak.
• Kendiliğinden fesih: Bu şartlardan biri çiğnenirse lisans hakları bildirim yapılmadan kendiliğinden sona eriyor.

Haberdeki başarı ve hız bilgileri SoMark'ın kendi ölçümlerine dayanıyor ve bağımsız olarak doğrulanmadı. Modelin "sıfırdan eğitildiği" söylense de ayar dosyaları Google'ın SigLIP2 ve Alibaba'nın Qwen3 modellerine atıf yapıyor. Şirketin lisans notu, kod lisansının model ağırlıklarını kapsamadığını ve ağırlık şartlarının ayrıca verildiğini söylediği için, ağırlıkların hangi şartlarla kullanılabileceği de net değil. Bu nedenle "açık kaynak" etiketi, kısıtsız açık kaynak lisanslarından farklı bir anlam taşıyor. Ürününde kullanmayı düşünen şirketlerin lisansı hukuk ekibiyle değerlendirmesi gerekiyor. Gelişmeleri farklı açılardan görmek için modeli kendi belgeleriyle deneyen bağımsız geliştiricilerin değerlendirmelerini de takip edin.