文心无限OCR 2开源

10月27日，百度发布并开源文心Unlimited OCR 2。实测显示，该模型能够一次性解析《哈利·波特》全系列7部作品，累计超过3600页，在文档长度大幅增加的情况下，依然保持较高的精度和处理效率。

在面向多页文档解析的MPDocBench基准测试和专门评估百页级超长文档解析能力的MarathonDocBench上，文心Unlimited OCR 2的综合得分分别为84.6分和77.1分，大幅领先同类型模型。 据介绍，这一突破得益于文心Unlimited OCR 2所提出的“稀疏参考滑动窗口注意力机制”（Sparse Reference Sliding Window Attention，简写为SR-SWA）。该机制借鉴了人类抄录书籍的过程——通常专注于当前页面，只有在需要核对前文或查找跨页信息时，才会回看相关内容，而非反复翻阅整本书的内容。SR-SWA将该思路引入模型的注意力计算中。

图示：SR-SWA 的单步解码速度相比 Full Attention 和上一代 R-SWA 分别提升7倍和5.6倍。百度供图 当前，长篇研报、整本书籍等超长文档的解析需求日益增长，对OCR技术提出了全新挑战。此次发布的 Unlimited OCR 2 突破了超长文档解析的计算瓶颈，通过SR-SWA减少冗余视觉信息计算，结合“无限解码机制”降低超长文档解析的计算与显存开销，实现了“任意页数文档解析”。 据了解，第一代 Unlimited OCR于6月22日正式发布后，次日即登顶 GitHub Daily Trending 总榜、Python 榜， HuggingFace 全球模型总趋势榜、多模态模型趋势榜。截至目前，HuggingFace 累计下载量突破1000万次，GitHub 斩获2.85万Star，获得图灵奖得主、AI科学家杨立昆（Yann LeCun）的转发推荐。 即将于11月12日举行的百度世界2026大会将进一步展示文心 Unlimited OCR 2 的技术亮点及应用潜力。目前，文心Unlimited OCR 2 的代码和模型权重同步开源至 GitHub、Hugging Face，并同步上线百度智能云平台和百度AI开放平台。