百度开源 Unlimited OCR：3B 参数端到端模型登顶 OmniDocBench
- 核心发布：百度发布并开源端到端 OCR 模型 Unlimited OCR，总参数规模 3B，推理时激活参数仅约 570M，在保持高精度解析能力的同时控制推理成本。
- 评测数据：在 OmniDocBench v1.6 基准测试中取得 93.92% 综合成绩，刷新端到端 OCR 最新纪录；模型发布后 GitHub Star 五天突破 1 万，位列 HuggingFace 全球多模态大模型榜单第一。
- 技术差异：传统 OCR 跨页解析缺乏上下文连贯性，Unlimited OCR 具备跨页记忆能力——处理到后续页面时仍保留前文内容，支持将整篇 PDF 转为 Markdown 与结构化内容。
- 实际用例：文心开发者杜朝科以 Unlimited OCR 解析数十页论文 PDF 并生成逐页论文地图，标注每页内容与子标题，便于 AI 带页码、图表和数据精准检索；原本 1–2 小时的人工整理压缩至 1–2 分钟，效率提升约 60 倍。
- 行业意义：开源 OCR 的精度与推理成本同时下探，意味着文档解析从依赖闭源 API 逐步转向可自托管方案；对论文检索、档案数字化、合同处理等长文档场景而言，单页误差成本高的问题将随跨页上下文能力改善而缓解。 🔗 百度 AI 官方文章