SoMark 开源文档解析模型 OXR,1.3B 参数登顶三项基准
文档智能初创公司 SoMark 已开源文档解析模型 OXR。该模型参数规模为 1.3B,在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中均排名第一,支持解析表格、公式、化学式等 13 类文档元素,并可输出 Markdown 或 JSON。SoMark 同时开放了代码、模型权重、在线 Demo 和免费 API。
文档智能初创公司 SoMark 已开源文档解析模型 OXR。该模型参数规模为 1.3B,在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准测试中均排名第一,支持解析表格、公式、化学式等 13 类文档元素,并可输出 Markdown 或 JSON。SoMark 同时开放了代码、模型权重、在线 Demo 和免费 API。
Anthropic于10月6日宣布,Claude已接入 Google Docs、Sheets 和 Slides,并向 Pro、Max、Team 和 Enterprise 全部付费计划开放公开 Beta。用户安装插件并完成授权后,可在侧边栏或聊天窗口中直接修改现有文件、创建新文件,支持改写文档、整理表格、生成演示文稿。官方同时说明,部分操作仍需单独批准,文件访问继续受 Google 原有共享权限限制。
TechFlowPost 整理的一期播客中,波场 TRON 创始人孙宇晨与 Alan 围绕 AI 时代的个人操作系统展开长谈,内容涉及本地 Markdown 数据管理、以「孙学—薄肌—黄毛理论」构建低成本成长路径、主动健康管理与抗阻训练,以及他对加密货币在 AI Agent 经济中角色的理解。孙宇晨还谈到「先自由,后财富」与 Small Ego 的思路,强调保持机动性和持续更新认知。
Supermemory 创始人 Dhravya Shah 逆向分析个人 Agent 助手 Instinct 的长期记忆系统后称,Instinct 并未把全部聊天原样塞回上下文,而是用 Git 管理的 Markdown 文件维护长期信息,并持续更新用户当前状态。按其黑盒测试,系统每次对话会先读取约 4250 Token 的用户状态摘要,更细的偏好、决定和任务则在文件中按关键词检索。Shah 表示,这套设计与 Supermemory 对 Agent 长期记忆的思路非常接近。
Jina AI 发布文档解析模型 jina-ocr-v1,支持将 PDF、扫描件、表格和图表直接转成 Markdown。该模型基于 DeepSeek-OCR 做后训练,沿用约 34 亿总参数的 MoE 架构,并加入 FastMTP 推测解码。按 Jina 自测数据,jina-ocr-v1 在 OmniDocBench v1.6 和 olmOCR-Bench 的得分均高于相关 DeepSeek-OCR 模型,单张 A100、并发 32 条件下页面吞吐达到 2.57 页/秒,为其测试的 14 个系统中最高。
Cohere 发布文档解析模型 Parse 5,面向大规模企业文档处理。该模型为 23 亿参数视觉语言模型,支持 PDF、PPT 和 JPEG 页面输入,直接输出包含文本、表格、列表和图像描述的 Markdown 内容,无需单独 OCR 预处理。Parse API 定价为每 1000 页 1.5 美元,已在 Cohere Parse API、Microsoft Foundry、AWS SageMaker 和 Model Vault 提供。
OpenAI 联合创始人 Andrej Karpathy 支持 Claude Code 工程师提出的「HTML 取代 Markdown」观点,并描绘 AI 输出现演进路线图:从纯文字到扩散模型生成的互动式神经影像。他指出人脑视觉通道是信息高速公路,最终形态应是直接生成像素级画面。
微信Clawbot插件完成聊天界面升级,新增Markdown语法渲染、多语言语法高亮及代码块一键复制功能,但普通微信聊天、群聊和文件传输助手仍仅显示纯文本。