OCR 届又来了一个狠角色：国产开源文档解析模型 OXR，全称 Optical Everything Recognition，只有 1.3B 参数，在 OmniDocBench、olmOCR-Bench、DocParsingBench 三项基准里全部排到第一，速度和准确率同时登顶。
它覆盖文字、表格、公式、代码块等 13 类文档元素，版面分析模块可插拔。一般文档解析模型由三部分组成：版面分析、文本阅读顺序、文本识别。OXR 的改动是把阅读顺序（RO）从检测部分单独提出来，跟 VLM 放到一起：版面模型不再承担排序任务，更容易做轻量化，也更容易二次训练做定制；阅读顺序交给 VLM 处理，还能利用内容理解能力辅助判断顺序，复杂文档的解析效果更好。
VLM 一侧，视觉编码器用 SigLIP2，大语言模型用 Qwen3-0.6B。
训练方法也有点意思：后训练用的是 RSI（递归自我改进）。先让 OXR 解析未标注文档，再结合通用多模态模型的评判和 OXR 的多次输出，找到错样本、弱样本，分析原因、聚类，制定下一轮训练策略和数据。数据生成每次都换不同的真实样本做版式和视觉风格参考，由通用多模态模型生成渲染代码，跑程序产出配套的图像与标签，同一种结构难点可以出现在不同样式里，减少合成数据反复用同一模板的问题。数据经过规范校验和筛选才进入下一轮训练，训完再让新版 OXR 重新处理上一轮判错的文档，依次循环迭代。
实测结果：在 24G 的 4090 上本地部署，同一份 17 页 PDF，OXR 的速度大概是 618 token/s，PaddleOCR-VL-1.6 大概是 527 token/s。行书或者楷体的手写体识别没问题，小孩写字也能认，但连笔非常多的情况，所有 OCR 都有问题。图表、甚至公式加无线框表格混合的复杂场景，识别结构和内容都做得不错，这一点比 Paddle 强。生僻字方面跟 Paddle 一样全军覆没，正确率很低。竖版识别会出现内容缺失。
已经开源，也能免费在线试用：