专题 · FULL STORY

百度开源文心 Unlimited OCR 2

百度于 10 月 26 日发布并开源文心 Unlimited OCR 第二代，将长文档解析上限推向数千页级。随后官方放出性能数据：百页文档生成速度提升约 5.6 倍，多页得分显著上升且显存占用大幅下降，定位「OCR 界的 DeepSeek R1」。

2026-10-26 ~ 2026-10-27 · 2 集 · 9 条

第 1 集 · 百度开源 Unlimited OCR 2：数千页长文档一次解析(2026-10-26,5 条)

百度于 10 月 26-27 日发布并开源文心 Unlimited OCR 第二代，将超长文档 OCR 解析的上限从连续数十页推向数千页级，官方将其定位为「OCR-3.0 时代」的无限长度文档解析方案。

已确认

  • 核心机制为 Unlimited-Horizon Decoding（无限跨度解码），配合新提出的 SR-SWA 机制：将文本-视觉注意力交互压缩为一组固定大小的工作引用（working references），使长文档的注意力计算不再随长度线性放大，延迟近乎恒定。
  • 实测能力：可端到端一次性解析 1200+ 页《三体》全三册、3600+ 页《哈利·波特》七部全本。
  • @xiaohu 转述的对比数据：KV 缓存从 47GB 降至 1.77GB，降幅显著。
  • 模型已在 Hugging Face 发布，名为 Unlimited-OCR-2，属 image-text-to-text 管线模型，权重以 safetensors 提供，支持 transformers 加载（标注 customcode）。

为什么重要

  • 超长文档解析一直是 OCR 与多模态模型的瓶颈：文档变长导致 attention 计算量激增，此前只能分页处理再拼接。Unlimited OCR 2 通过 SR-SWA 让计算量与延迟基本与文档长度解耦，为整本书籍、长合同、长报告的一次性结构化解析提供了可行路径。
  • 以开源形式发布权重，意味着社区可直接部署和二次开发，可能推动长文档 RAG、档案数字化等应用场景的升级。

第 2 集 · 文心 Unlimited OCR 第二代：百页文档提速 5.6 倍，显存占用大幅下降(2026-10-27,4 条)

文心 Unlimited OCR 发布第二代线程的收尾数据：在约 100 页文档的测试中，第二代每段内容生成速度约为第一代的 5.6 倍，多页文档得分从 61.89 提升至 84.59。其原理类似人类抄书，只活跃处理当前段落及临近上下文，及时释放旧缓存，使厚文档缓存显存占用从 47GB 降至 1.77GB，显著节省计算与显存。