# OXR 1.0 теперь работает через MLX-VLM 0.7.11 на Mac

Источник: https://modelium.tech/zhurnal/oxr-1-0-mlx-vlm-0-7-11-document-recognition/

В MLX-VLM 0.7.11 добавили поддержку OXR 1.0: на Mac с Apple Silicon модель может распознавать текст, формулы и таблицы на изображениях документов. Доступны исходные веса и сторонняя 8-битная версия, но полный разбор многостраничного PDF требует отдельного конвейера. Лицензия модели ограничивает коммерческое применение; редакция запуск не воспроизводила.

OXR 1.0 теперь работает через MLX-VLM 0.7.11 на Mac

**Обновлено 29 октября 2026 года.** Если у вас Mac с Apple Silicon и нужно превратить снимок страницы в редактируемый текст, формулу или таблицу, в стабильной версии MLX-VLM 0.7.11 появился путь для запуска модели OXR 1.0. Это программа для локального запуска моделей, а OXR распознаёт содержимое изображения документа. Релиз вышел 28 октября; Modelium не запускал модель на собственном Mac. [s1](#src-s1)[s2](#src-s2)

## Что стало доступно?

Разработчики MLX-VLM включили поддержку архитектуры OXR в стабильный выпуск. Код обработки изображений и пример для одного изображения есть в документации версии 0.7.11. Исходный чекпойнт SoMarkAI/OXR-1.0 можно загрузить непосредственно; сторонний пакет bxespinozar/OXR-1.0-mlx-8bit содержит полные файлы модели и предназначен для Apple Silicon. «8 бит» означает способ хранения части весов, а не обещание минимального объёма памяти или одинакового качества. [s1](#src-s1)[s2](#src-s2)[s3](#src-s3)[s4](#src-s4)

Простой сценарий — передать изображение одной страницы или её фрагмента и попросить распознать текст. Для формулы или таблицы в документации приведены отдельные запросы. Полученный текст нужно сверить с оригиналом: расположение ячеек, символы и числа могут иметь значение. Это **не готовое настольное приложение для пакетной обработки PDF**: официальный полный конвейер OXR отдельно определяет блоки страницы и собирает порядок чтения, тогда как пример MLX-VLM показывает распознавание изображения. [s2](#src-s2)[s5](#src-s5)

## Что известно о качестве и требованиях?

Автор MLX-порта сообщил о совпадении ответов с эталонной реализацией на нескольких образцах и о расхождении в одном рукописном образце у 8-битного варианта. Приведённая в карточке оценка olmOCR-Bench относится к полному конвейеру с весами bf16, **не** к 8-битной модели. Это замеры автора конверсии, а не независимый тест Modelium. Минимум оперативной и объединённой памяти для конкретного Mac в этих источниках не подтверждён; размер скачиваемого файла не заменяет проверку требований. [s3](#src-s3)[s6](#src-s6)

## Можно ли использовать модель в коммерческом проекте?

Не следует считать OXR обычной моделью под Apache 2.0. Текущий файл LICENSE создателя и лицензии исходных и конвертированных весов содержат дополнительные условия: без отдельного соглашения коммерческое применение разрешено лишь пока совокупные финансирование **и** годовая выручка организации с аффилированными лицами не превышают каждый порог 2 млн долларов США. Для онлайн-сервиса нужно явно обозначить SoMark OXR; конкурирующий с сервисом SoMark хостинговый API распознавания документов запрещён без письменного разрешения независимо от порогов. Код самой MLX-VLM распространяется отдельно под MIT, что не отменяет условия весов OXR. Перед внедрением прочитайте полные тексты лицензий. [s7](#src-s7)[s8](#src-s8)[s9](#src-s9)[s10](#src-s10)

Если нужен первый локальный опыт, начните с одного собственного изображения без чувствительных данных и сопоставьте распознанные фрагменты с оригиналом. Для многостраничных PDF, пакетной обработки и коммерческого сервиса не переносите результат этого примера на полный процесс без дополнительной проверки. [s2](#src-s2)[s5](#src-s5)

## Источники

1. [MLX-VLM v0.7.11 release, 28 October 2026](https://github.com/Blaizzy/mlx-vlm/releases/tag/v0.7.11) — получено 2026-10-29
2. [OXR documentation in MLX-VLM v0.7.11](https://github.com/Blaizzy/mlx-vlm/blob/v0.7.11/mlx_vlm/models/oxr/README.md) — получено 2026-10-29
3. [OXR-1.0 MLX 8-bit model card, pinned revision 474fb7a](https://huggingface.co/bxespinozar/OXR-1.0-mlx-8bit/blob/474fb7a66dfc251bac0a6ee635a7040cab6c972b/README.md) — получено 2026-10-29
4. [OXR-1.0 MLX 8-bit model manifest, pinned revision](https://huggingface.co/api/models/bxespinozar/OXR-1.0-mlx-8bit/revision/474fb7a66dfc251bac0a6ee635a7040cab6c972b) — получено 2026-10-29
5. [SoMark OXR-1.0 model card, pinned revision c708407](https://huggingface.co/SoMarkAI/OXR-1.0/blob/c708407f9d2b4df658f2543d9132b62bb7221df4/README.md) — получено 2026-10-29
6. [OXR MLX support pull request and author validation](https://github.com/Blaizzy/mlx-vlm/pull/2560) — получено 2026-10-29
7. [SoMark OXR current license](https://github.com/SoMarkAI/OXR/blob/main/LICENSE) — получено 2026-10-29
8. [Original OXR model license, pinned revision](https://huggingface.co/SoMarkAI/OXR-1.0/blob/c708407f9d2b4df658f2543d9132b62bb7221df4/LICENSE) — получено 2026-10-29
9. [Converted OXR 8-bit model license, pinned revision](https://huggingface.co/bxespinozar/OXR-1.0-mlx-8bit/blob/474fb7a66dfc251bac0a6ee635a7040cab6c972b/LICENSE) — получено 2026-10-29
10. [MLX-VLM v0.7.11 MIT code license](https://github.com/Blaizzy/mlx-vlm/blob/v0.7.11/LICENSE) — получено 2026-10-29