百度开源 Unlimited OCR 2：单卡一次请求解析 270 页老手册
MaziyarPanahi · x · 2026-10-29
百度开源文档解析模型 Unlimited OCR 2，面向近乎无限长的文档解析。技术核心：结合 Sparse Reference Sliding Window Attention（SR-SWA）与 Unlimited-Horizon Decoding，把算力集中在最相关的视觉引用上，并释放不再需要的 KV 缓存。
关键指标：随文档增长，单步解码延迟与内存占用接近恒定；在 MPDocBench、MarathonDocBench 上达到 SOTA；对 100 页文档，单步解码比 Full Attention 快 7.0 倍、比 R-SWA 快 5.6 倍，且在最长 300 页文档上保持较高解析精度。
网友实测：给模型一份 1899 年的医生药物手册，单张 GPU 一次请求完成全部 270 页解析，并保留了原始版式——其中可卡因条目把吗啡列为解毒剂。
「多模态」频道最新
- Fizgig H3 静态图 Latent 节点可嵌入任意 ComfyUI 工作流 — robertwellesley · 2026-10-29
- Reddit 猜谜帖展示本地模型生成的照片级人像，真假难辨 — Licovoda · 2026-10-29
- 博主称 OpenAI Terra 是物理感知的成本质量双重突破 — arnabdotorg · 2026-10-29
- Artificial Analysis TTS 榜：AssemblyAI-TTS-1 以 162 字符/秒登顶速度榜 — ArtificialAnlys · 2026-10-29
- AssemblyAI-TTS-1 生成速度 162 字符/秒居首，$15/百万字符定价进第一梯队 — ArtificialAnlys · 2026-10-29
- AssemblyAI-TTS-1 发音鲁棒性得分 81.7% 排第 16，缩写展开是短板 — ArtificialAnlys · 2026-10-29