OXR 1.0 теперь работает через MLX-VLM 0.7.11 на Mac

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. s1s2s3s4

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. s2s5

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. s3s6

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. s7s8s9s10

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. s2s5