Unlimited OCR 2 是百度 2026 年 10 月 27 日开源的超长文档解析模型,代码在 GitHub 以 MIT 许可发布(已获三万星),权重为 MIT。官方把这条路线叫作 OCR-3.0:不再按页割裂,而是在有限上下文里做真正不设上限的连续解析。
核心是 SR-SWA(稀疏参考滑窗注意力):把超长序列里文本与视觉的交互压缩到固定大小的工作参考集(如 512 tokens),使每一步解码的延迟与显存几乎不随文档长度增长,从而去掉二次方注意力与显存瓶颈。多页推理 infer_multi 会把整份文档的多页按顺序一次送进模型,保留跨页上下文;官方已产出 SGLang / vLLM 部署脚本,并在同一天发布 MarathonDocBench 超长文档基准,权重同步上了 ModelScope 与百度智能云 OCR 服务。
- 百度开源的超长文档 OCR 模型,主打 unlimited-horizon 连续解析,代码与权重均为 MIT
- SR-SWA 把解码成本压到与文档长度基本无关,多页文档可一次请求读完并保留跨页上下文
- HF / ModelScope 拉权重自部署,或直接调百度智能云 OCR 接口,配套 MarathonDocBench 与在线 Demo
数据统计
数据评估
关于百度 Unlimited OCR 2(超长文档解析)特别声明
本站AI之旅导航提供的百度 Unlimited OCR 2(超长文档解析)都来源于网络,不保证外部链接的准确性和完整性,同时,对于该外部链接的指向,不由AI之旅导航实际控制,在2026年11月2日 上午5:05收录时,该网页上的内容,都属于合规合法,后期网页的内容如出现违规,可以直接联系网站管理员进行删除,AI之旅导航不承担任何责任。
相关导航
提供 DeepSeek、Qwen 等主流大模型的高性价比 API 云服务。

MiniMax(M3.1 Flash 旗舰)
MiniMax 2025年开源发布的为Agent而生的M2旗舰模型,高性价比的开发者模型平台。

JetBrains Junie
JetBrains 官方 AI 编程智能体,原生嵌入 IntelliJ、PyCharm 等全系 IDE。
Grok Voice 3.0(实时语音对话模型)
xAI 的语音到语音模型,Artificial Analysis 语音对话指数 86.9 排名第一,$0.08/分钟。
Qwen Code
通义千问团队开源的终端编程 Agent,支持子 Agent、计划模式、LSP,可接入多家模型

Roo Code
开源的 VS Code AI 开发团队:自定义角色模式让多个智能体分工完成工程任务。

OpenRouter
OpenRouter 是一个 AI 大语言模型的统一 API 路由平台,聚合了来自 OpenAI、Anthropic、Google、Meta、Mistral 等

Together AI
Together AI 是一家面向 AI 开发者和研究者的全栈云计算平台,核心服务包括开源模型的高速推理 API、自定义模型微调(Fine-tuning)、GP
暂无评论...
