百度开源 Unlimited OCR 2：单次可解析 3600 页文档

2026/10/28 08:20

核心发布：百度发布并开源文心 Unlimited OCR 2，主打超长文档的连续解析，称可在一次任务中处理《哈利·波特》全系列 7 部、合计超过 3600 页。
评测数据：百度公布的 MPDocBench 与 MarathonDocBench 综合得分分别为 84.6 和 77.1。
技术机制：核心是稀疏参考滑动窗口注意力机制 SR-SWA，先由页面门控缩小相关页面范围，再选取关键视觉 Token；配合无限解码机制控制单步解码的计算和显存开销。
开放方式：代码和模型权重已在 GitHub、Hugging Face 开放，开发者可使用 Transformers 或 SGLang 推理；百度智能云和 AI 开放平台也已上线相关能力。
行业意义：长文档 OCR 从逐页切片转向连续解析，对合同、书籍、档案类 RAG 的数据预处理流程有直接影响。