百度开源 Unlimited OCR 2 长文档识别模型
先了解这件事
百度发布并开源了 Unlimited OCR 2，一个面向长文档的 OCR 模型。据 MarkTechPost 报道，权重以 MIT 许可发布、代码在 GitHub 上，可在单张 CUDA GPU 上以 BF16 运行，单次请求可解析数百页文档。 模型核心是 SR-SWA 稀疏参考滑动窗口注意力：用 512 token 的固定参考集加 128 token 的局部窗口，使每步解码开销基本不随页数增长。百度称，随着文档变长，每步解码延迟和内存占用接近恒定；模型在 MPDocBench 和 MarathonDocBench 上取得 SOTA 表现，覆盖几十到数百页文档。 关于模型规模，MarkTechPost 称其有 3.34B 参数，而 X 用户邵猛称其为 3B/A0.5B 的 MoE 架构，两种说法不一致。
AI 根据报道生成 · 7 天前更新
报道时间线
沿着报道，了解事件的不同侧面。
- 邵猛百度开源 Unlimited OCR 2：SR-SWA 让超长文档解析注意力开销尽量不随页数上涨
百度开源 Unlimited OCR 2，面向几十到几百页文档的 OCR/版面解析，3B/A0.5B MoE 架构，模型在 https://huggingface.co/baidu/Unlimited-OCR-2。
- 邵猛百度开源 Unlimited OCR 2：SR-SWA 支撑几十到几百页文档解析
百度开源 Unlimited OCR 2，面向几十到几百页文档的 OCR 与版面解析，模型为 3B/A0.5B 的 MoE 架构，地址 https://huggingface.co/baidu/Unlimited-OCR-2。
- MarkTechPost百度开源 Unlimited OCR 2，面向数百页长文档解析
百度开源 3.34B 参数的 OCR 模型 Unlimited OCR 2，MIT 许可，可单次请求解析数百页文档。核心是 SR-SWA 稀疏参考滑动窗口注意力，用 512 token 固定参考集加 128 token 局部窗口使每步解码开销基本不随页数增长。
- 百度 Baidu百度开源 Unlimited OCR 2，可解析几十到上百页长文档
百度发布并开源 Unlimited OCR 2，采用 SR-SWA 机制把文本-视觉注意力交互压缩为固定大小的工作引用，在有限上下文窗口内解析几乎任意长度的文档。随着文档变长，每步解码延迟和内存占用接近恒定，模型在 MPDocBench 和 MarathonDocBench 上取得 SOTA 表现，覆盖几十到数百页文档。
本事件热度走势
- 可比范围当前
- 3
- 可比范围峰值
- 2610月27日 20:00
- 近 24 小时变化
- -80%
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。