百度开源 Unlimited OCR 2,可单次解析数百页长文档

百度开源 Unlimited OCR 2,可单次解析数百页长文档

N
News Editor
2026-10-27 06:56:05
百度已开源面向超长文档解析的 OCR 模型 Unlimited OCR 2。该模型参数规模为 3B,支持单次请求处理数百页书籍、文件和报告,核心改进为 SR-SWA 稀疏注意力机制。百度称,Unlimited OCR 2 在 MPDocBench 和 MarathonDocBench 两项多页文档基准中均排名第一,其中在 MarathonDocBench 上综合得分 77.1,高于 Kimi-K3 的 33.7。模型权重以 MIT 许可证发布,代码已上传至 GitHub。

百度已开源 Unlimited OCR 2,这是一款面向超长文档解析的开源 OCR 模型。

据 Techub 援引 MarkTechPost 消息,该模型参数规模为 3B,支持在单次请求中解析数百页的书籍、文件和报告。其核心改进是 SR-SWA 稀疏注意力机制,百度称,这一设计让解码成本随文档长度增加时仍保持近乎恒定。

基准测试结果

在百度测试的多页文档基准 MPDocBench 和 MarathonDocBench 上,Unlimited OCR 2 均排名第一。

其中,在面向数百页文档的 MarathonDocBench 上,Unlimited OCR 2 的综合得分为 77.1,明显高于第二名 Kimi-K3 的 33.7。

发布方式与运行要求

模型权重已采用 MIT 许可证发布,代码也已上传至 GitHub。

在 BF16 精度下,该模型权重约为 6.7 GB,可在单张 NVIDIA A800-80GB GPU 上运行。

本文最初由 Bit.Fan 发布。 欲了解更多加密货币新闻与市场洞察,请访问 www.bit.fan.
5600

免责声明:

本平台展示的市场信息、项目资料与第三方内容仅用于行业信息分享,不构成任何形式的投资建议或收益承诺。

加密资产交易具有较高风险,用户应充分评估自身风险承受能力并独立作出决策,相关盈亏及法律责任由用户自行承担。