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.


