ABAB News Logo
返回快訊

Baidu開源Unlimited OCR 2實現任意長度文檔解析

2026年10月27日，Baidu Inc. 發佈並開源Unlimited OCR 2。該模型引入Sparse Reference Sliding Window Attention（SR-SWA），將超長序列中的文本-視覺注意力交互壓縮至固定大小的工作參考集（例如512個token），使每步解碼延遲與內存佔用在文檔變長時近乎保持恆定，從而在有限上下文窗口內支持任意長度文檔的解析。

此前於2026年6月22日發佈的第一代Unlimited OCR以DeepSeek OCR爲基線，通過Reference Sliding Window Attention處理數十頁文檔。第二代進一步在數十頁規模的MPDocBench與百頁級MarathonDocBench上達到SOTA，代碼與權重已同步上線GitHub與Hugging Face（baidu/Unlimited-OCR-2）。

推理支持Transformers與SGLang。SGLang可爲超長文檔啓用頁面窗口調度（例如每窗口10頁），複用前窗口的KV尾部以控制峯值內存。該GitHub倉庫目前約有2.9萬stars。

原始來源：

  1. 標題：Unlimited OCR 2 is here, and it's open source. 發佈者：Baidu Inc. (@Baidu_Inc) 發佈日期：2026-10-27 URL：https://x.com/Baidu_Inc/status/2114910381311512987 來源性質：當事人原帖 覈驗情況：本次實際讀取完整帖文及後續鏈接，覈驗日期2026-10-26 支持內容：發佈Unlimited OCR 2、SR-SWA機制、任意長度解析、恆定延遲與內存、SOTA基準、GitHub與Hugging Face鏈接。

  2. 標題：Unlimited OCR Works 2 發佈者：Baidu（GitHub baidu/Unlimited-OCR） 發佈日期：2026-10-27（README更新） URL：https://github.com/baidu/Unlimited-OCR 來源性質：官方代碼倉庫 覈驗情況：本次實際讀取README發佈說明、What's New及推理部分，覈驗日期2026-10-26 支持內容：SR-SWA細節、無限跨度解析、基準SOTA、頁面窗口調度配置、模型名稱baidu/Unlimited-OCR-2。

  3. 標題：baidu/Unlimited-OCR-2 發佈者：Hugging Face / Baidu 發佈日期：2026-10-27 URL：https://huggingface.co/baidu/Unlimited-OCR-2 來源性質：官方模型頁 覈驗情況：本次實際讀取模型頁內容，覈驗日期2026-10-26 支持內容：模型發佈與可用性、技術要點、推理說明。

ABAB AI 解讀

Baidu在文檔解析領域長期投入。其PaddleOCR項目自2020年左右起步，已積累超9萬GitHub stars，並衍生出PaddleOCR-VL等輕量多模態模型。2026年6月，Baidu在DeepSeek OCR基礎上推出第一代Unlimited OCR，以3B總參數、約5億激活參數的MoE架構和R-SWA機制處理數十頁文檔，並在OmniDocBench上相對基線提升約6個百分點。第二代沿此路徑推進，核心變化是進一步壓縮注意力計算以覆蓋更長跨度。

資本與業務路徑上，模型以MIT許可開源，權重與代碼直接置於Hugging Face與GitHub，第一代模型在Hugging Face曾出現單月超百萬下載。此前版本已接入Baidu Cloud文檔解析服務。開源本身不直接產生訂閱收入，但降低了開發者接入門檻，同時爲雲端長文檔處理API提供技術底座，使跨頁表格、段落銜接等能力可轉化爲企業客戶的結構化數據產品。

與第一代相比，第二代將處理範圍從“數十頁一次解析”推向“有限窗口內任意長度”，並通過窗口調度控制內存。相比同系列的PaddleOCR-VL（參數更小、在OmniDocBench部分版本上分數更高）或DeepSeek OCR系列，Unlimited OCR 2更強調解碼階段的恆定複雜度，而非單頁精度峯值。差異在於：前者側重輕量部署與複雜版面魯棒性，後者針對超長文檔的端到端連貫性，避免傳統分頁拼接帶來的跨頁表格與段落斷裂。

這一變化降低了長文檔處理中的內存與延遲增長瓶頸，使全本合同、研究報告或書籍級材料的一次性結構化輸出成爲更可行的選項，減少分塊後的上下文丟失。實際效果仍取決於視覺編碼器對極小文字與複雜跨頁元素的分辨率，以及窗口邊界處的銜接精度。觀察指標是在真實千頁級文檔上，跨頁表格合併與閱讀順序的錯誤率是否隨頁數增加而保持穩定。

ABAB News · 認知定律

  1. 固定工作參考集把注意力計算從隨長度二次增長壓成近乎恆定。

  2. 開源權重換來下載與雲服務接入，長文檔連貫性成爲可售能力。

  3. 窗口調度複用邊界狀態，讓“無限跨度”在有限顯存內成立。