Baidu开源Unlimited OCR 2实现任意长度文档解析
2026年10月27日，Baidu Inc. 发布并开源Unlimited OCR 2。该模型引入Sparse Reference Sliding Window Attention（SR-SWA），将超长序列中的文本-视觉注意力交互压缩至固定大小的工作参考集（例如512个token），使每步解码延迟与内存占用在文档变长时近乎保持恒定，从而在有限上下文窗口内支持任意长度文档的解析。
此前于2026年6月22日发布的第一代Unlimited OCR以DeepSeek OCR为基线，通过Reference Sliding Window Attention处理数十页文档。第二代进一步在数十页规模的MPDocBench与百页级MarathonDocBench上达到SOTA，代码与权重已同步上线GitHub与Hugging Face（baidu/Unlimited-OCR-2）。
推理支持Transformers与SGLang。SGLang可为超长文档启用页面窗口调度（例如每窗口10页），复用前窗口的KV尾部以控制峰值内存。该GitHub仓库目前约有2.9万stars。
原始来源：
标题：Unlimited OCR 2 is here, and it's open source. 发布者：Baidu Inc. (@Baidu_Inc) 发布日期：2026-10-27 URL：https://x.com/Baidu_Inc/status/2114910381311512987 来源性质：当事人原帖 核验情况：本次实际读取完整帖文及后续链接，核验日期2026-10-26 支持内容：发布Unlimited OCR 2、SR-SWA机制、任意长度解析、恒定延迟与内存、SOTA基准、GitHub与Hugging Face链接。
标题：Unlimited OCR Works 2 发布者：Baidu（GitHub baidu/Unlimited-OCR） 发布日期：2026-10-27（README更新） URL：https://github.com/baidu/Unlimited-OCR 来源性质：官方代码仓库 核验情况：本次实际读取README发布说明、What's New及推理部分，核验日期2026-10-26 支持内容：SR-SWA细节、无限跨度解析、基准SOTA、页面窗口调度配置、模型名称baidu/Unlimited-OCR-2。
标题：baidu/Unlimited-OCR-2 发布者：Hugging Face / Baidu 发布日期：2026-10-27 URL：https://huggingface.co/baidu/Unlimited-OCR-2 来源性质：官方模型页 核验情况：本次实际读取模型页内容，核验日期2026-10-26 支持内容：模型发布与可用性、技术要点、推理说明。
ABAB AI 解读
Baidu在文档解析领域长期投入。其PaddleOCR项目自2020年左右起步，已积累超9万GitHub stars，并衍生出PaddleOCR-VL等轻量多模态模型。2026年6月，Baidu在DeepSeek OCR基础上推出第一代Unlimited OCR，以3B总参数、约5亿激活参数的MoE架构和R-SWA机制处理数十页文档，并在OmniDocBench上相对基线提升约6个百分点。第二代沿此路径推进，核心变化是进一步压缩注意力计算以覆盖更长跨度。
资本与业务路径上，模型以MIT许可开源，权重与代码直接置于Hugging Face与GitHub，第一代模型在Hugging Face曾出现单月超百万下载。此前版本已接入Baidu Cloud文档解析服务。开源本身不直接产生订阅收入，但降低了开发者接入门槛，同时为云端长文档处理API提供技术底座，使跨页表格、段落衔接等能力可转化为企业客户的结构化数据产品。
与第一代相比，第二代将处理范围从“数十页一次解析”推向“有限窗口内任意长度”，并通过窗口调度控制内存。相比同系列的PaddleOCR-VL（参数更小、在OmniDocBench部分版本上分数更高）或DeepSeek OCR系列，Unlimited OCR 2更强调解码阶段的恒定复杂度，而非单页精度峰值。差异在于：前者侧重轻量部署与复杂版面鲁棒性，后者针对超长文档的端到端连贯性，避免传统分页拼接带来的跨页表格与段落断裂。
这一变化降低了长文档处理中的内存与延迟增长瓶颈，使全本合同、研究报告或书籍级材料的一次性结构化输出成为更可行的选项，减少分块后的上下文丢失。实际效果仍取决于视觉编码器对极小文字与复杂跨页元素的分辨率，以及窗口边界处的衔接精度。观察指标是在真实千页级文档上，跨页表格合并与阅读顺序的错误率是否随页数增加而保持稳定。
ABAB News · 认知定律
固定工作参考集把注意力计算从随长度二次增长压成近乎恒定。
开源权重换来下载与云服务接入，长文档连贯性成为可售能力。
窗口调度复用边界状态，让“无限跨度”在有限显存内成立。