现在这款 1.3B 参数的开源 OXR（Optical Everything Recognition）模型，刚好补上本地知识库、本地 Agent 最头疼的短板，不用把内部涉密文档传到云端，在本地显卡上就能完成高质量文档识别和结构化输出。之前搭建本地 RAG、本地智能代理的时候，最大卡点就是扫描件、拍照文档、小票、多栏排版文件的解析，普通 OCR 容易识别出错、丢表格和公式，一旦原始文本识别出错，后面大模型检索、回答都会跟着跑偏；很多多模态大模型识别准但是参数大、吃显存，低配机器跑不动，而 OXR 只有 1.3B，硬件门槛低，同时在 OmniDocBench、olmOCR-Bench、DocParsingBench 三大主流文档评测里拿到靠前成绩，能识别文字、表格、公式、代码块、印章等一共 13 类文档元素，输出 Markdown 或者 JSON，布局顺序不乱，化学式还可以直接输出 SMILES，非常适合喂给知识库做入库，给本地 Agent 做文件读取工具。
一、OXR 模型基础信息
- 开发团队：SoMark
- 参数规模：1.3B
- 开源地址：GitHub SoMarkAI/OXR
- 推荐显存：单卡 24G 显存可本地部署
- 输出格式：Markdown、JSON，保留布局坐标、阅读顺序
- 适用文件：扫描 PDF、照片文档、小票、曲面拍摄文档、多栏排版资料
二、对比同类 1.3B 级别开源 OCR
| 模型 | 参数 | 优势 | 适合场景 |
|---|---|---|---|
| OXR | 1.3B | 综合文档解析强，支持化学式输出，结构化输出友好 | RAG 知识库、本地 Agent 文件读取 |
| MiniCPM-OCR 1.0 | 1.3B | 中英文文档、公式识别，配套校验模型 Jev | 大批量档案数字化、需要识别结果质检 |
| GLM-OCR | 1.33B | 许可证友好，商用无压力 | 企业常规文档识别 |
三、接入本地知识库、Agent 的操作步骤
- 环境准备：装好 CUDA、PyTorch，拉取 OXR 的 GitHub 仓库，下载模型权重。
- 本地推理测试：先用单张图片、扫描 PDF 跑推理，验证识别效果，调整分辨率、切图参数。
- 对接知识库：写脚本调用推理接口，把图片 / PDF 批量交给 OXR，转成 Markdown，再交给分块、向量化流程入库。
- 给 Agent 注册工具：封装成函数，让本地 Agent 在收到 “读取这份扫描文件” 指令时，自动调用 OXR 解析文档。
- 效果校验：对识别难度高的小票、曲面照片，增加重试逻辑，必要时搭配校验逻辑降低错误率。
四、适合和不适合的场景
✅ 适合场景
- 内网本地知识库，文档不能上传公网
- 本地 Agent 需要自主读取扫描版合同、票据、论文
- 需要提取表格、公式、化学结构式的资料入库
- 硬件只有 24G 显存，跑不动大尺寸多模态模型
❌ 不太适合场景
- 纯手写潦草字迹识别（专门手写模型效果更好）
- 超高并发、百万级文档流水线（建议搭配专门加速方案）
- 只需要简单单行文字识别，轻量 PaddleOCR 开销更低
五、实际使用的小提示
如果你的显卡只有 16G，可以开启量化加载，牺牲一点点识别精度换取可运行；知识库入库时，优先保留 Markdown 格式，比纯文本更能保留表格层级；如果是 Agent 调用，尽量限制单次传入页面数量，避免推理超时。
【相关 FAQ】
问题 1：这款 1.3B 开源 OXR 模型，能不能直接接入本地知识库？
回答 1：1.3B 开源 OXR 模型可以直接接入本地知识库，它输出结构化 Markdown，能够保留文档布局、表格和公式，解析后的内容可以直接走文本分块、向量化流程，而且全程本地离线运行，文档不用上传云端。
问题 2：用 1.3B 开源 OXR 模型给本地 Agent 当文件工具，显存最低要多少？
回答 2：跑这个 1.3B 开源 OXR 模型，推荐单卡 24G 显存；16G 显存环境可以开启量化加载勉强运行，但是推理速度和识别稳定性会下降。
问题 3：1.3B 开源 OXR 模型和 MiniCPM-OCR 1.0 有什么差别？
回答 3：同样是 1.3B 量级开源 OCR 模型，OXR 主打全类型文档解析、化学式 SMILES 输出，更偏向知识库 RAG；MiniCPM-OCR 1.0 配套了 2B 的 Jev 校验模型，适合大批量文档并且需要识别结果质检的场景。
问题 4：1.3B 开源 OXR 模型可以识别小票、曲面拍照文档吗？
回答 4：这款 1.3B 开源 OXR 模型支持热敏小票、曲面拍摄、倾斜的文档图片识别，在真实场景测试里对这类非常规文档的还原效果比较突出。
【参考资料】
[2026-11-07]（最强开源 1.3B OCR 模型，本地 Agent、知识库都有救了）DevPress
[2026-10-31]（ModelBest and OpenBMB Open-Source MiniCPM-OCR Series）TNGlobal
[2026-10-28]（最强开源 1.3B OCR 模型，本地 Agent、知识库都有救了）今日头条
[2026-10-28]（MiniCPM-OCR 1.0 Goes Open Source: A 1.3B Model Built for Scanned Documents）AI 工具导航
[2026-10-22]（So Mark 开源 OXR，1.3B 解析文档）魔搭 ModelScope 社区
【免责声明】
本文信息仅为技术资料整理，不构成商用落地保证；OXR 模型遵循对应开源协议，使用前请自行阅读开源许可证条款；模型识别效果受图片清晰度、拍摄角度、硬件配置影响，不同环境实测结果存在差异；所有评测数据来源于公开社区，不代表在所有业务场景下稳定达到标注成绩，生产环境上线前请自行充分测试。
本文来自作者[光簇寻址]投稿，不代表乌兰科技网立场，如若转载，请注明出处：https://www.wlcbnews.com/rgzn/202611/82.html
评论列表（4条）
我是乌兰科技网的签约作者“光簇寻址”！
希望本篇文章《开源 1.3B OXR 模型，解决本地 Agent、知识库文档解析痛点》能对你有所帮助！
本站[乌兰科技网]内容主要涵盖：互联网行业的追踪与探索
本文概览：现在这款 1.3B 参数的开源 OXR（Optical Everything Recognition）模型，刚好补上本地知识库、本地 Agent 最头疼的短板，不用把内部涉密文档传到云端，在本地显卡上就能完成高质量文档识别和结构化输出。之前搭建本地 RAG、本地智能代理的时候，最大卡点就是扫描件、拍照文档、小票、多栏排版文件的解析，普通 OCR 容易识别出错、丢表格和公式，一旦原始文本识别出错，后面大模型检索、回答都会跟着跑偏；很多多模态大模型识别准但是参数大、吃显存，低配机器跑不动，而 OXR 只有 1.3B，硬件门槛低，同时在 OmniDocBench、olmOCR-Bench、DocParsingBench 三大主流文档评测里拿到靠前成绩，能识别文字、表格、公式、代码块、印章等一共 13 类文档元素，输出 Markdown 或者 JSON，布局顺序不乱，化学式还可以直接输出 SMILES，非常适合喂给知识库做入库，给本地 Agent 做文件读取工具。