百度开源长文档OCR模型

TheTimHayden · x · 2026-07-20

百度开源了 **Unlimited-OCR**，一个面向整份文档的 OCR 模型，主打一次处理长文档而不是按页切分。它参数量 30 亿，但推理时只激活 5 亿参数；支持本地运行，拥有 32K 上下文窗口，能更好保留跨页的文本、公式、表格和阅读顺序，并直接输出结构化 Markdown。作者给出的数据包括：标准基准 **93% 准确率**、比基线高 **6 个点**，且在超过 40 页后错误率仍低于 **0.11**。同时它支持多语言，Hugging Face 上月下载量达 **212 万**，GitHub 星标 **1.46 万**。