Unlimited OCR 2 运营中

Unlimited OCR 2 是百度文心开源的端到端文档解析模型，支持任意页数超长文档解析，可一次性处理数千页书籍仍保持精度与效率。Unlimited OCR 2采用稀疏参考滑动窗口注意力机制与无限解码机制，降低长文档计算和显存开销，在 MPDocBench、MarathonDocBench 等基准上达 SOTA，推动 OCR 进入 3.0 时代。

任意页数解析：突破传统页数上限，支持一次性处理数千页级长文档。
长文档高精度理解：文档长度大幅增加时，保持较高解析精度与处理效率。
跨页信息关联：可回看前文、核对跨页内容，减少多页拼接造成的上下文断裂。
开源可用：代码与模型权重开源，并上线百度智能云、百度 AI 开放平台。

微信关注回复“开源”，加入AI开源项目交流群
SR-SWA 稀疏参考滑动窗口注意力：借鉴人类抄书时“专注当前页、必要时回看前文”的方式，由 Page Gate 把每个查询的视觉参考范围从整个文档缩小到相关页面，并建模跨页位置关系；引入得分最高的视觉 Token Buckets 捕捉长距离视觉依赖，避免 Full Attention 对全文档 token 的高冗余计算。
Unlimited-Horizon Decoding 无限解码机制：针对超长文档解析中的计算与显存瓶颈优化解码过程，使模型在处理更多页数时不被上下文长度硬性卡住，支撑“任意页数”解析目标。
端到端长文档建模：不同于传统 OCR 的单页识别后拼接，也不同于上一代只扩展到连续数十页的 R-SWA，Unlimited OCR 2 将跨页选择、参考回看和当前页理解放入统一端到端框架，提升长文档解析的一致性与完整性。
效率与开销控制：SR-SWA 单步解码速度相比 Full Attention 提升 7 倍、相比上一代 R-SWA 提升 5.6 倍，核心收益来自用稀疏参考替代全局全量注意力。

选择入口：从 GitHub、Hugging Face 下载代码与权重本地部署。
准备文档：整理 PDF/扫描件/长文档，保证页面完整、清晰、方向正确。
上传或加载：在线入口直接上传文档；本地部署则配置环境并加载 Unlimited OCR 2 模型权重。
设置任务：按页面或 API 参数选择输出格式、解析范围、表格/版面识别等选项。
运行解析：提交任务，等待模型完成跨页理解、内容抽取与结构化生成。
核验结果：重点检查跨页标题、表格、公式、页码、引用和段落连续性。
导出集成：导出文本/Markdown/JSON，或通过 API 接入批处理与业务系统。

任意页数解析：突破传统 OCR 页数上限，可处理数千页级长文档。
长文档精度更稳：页数大幅增加时，仍能保持较高解析精度和效率。
跨页理解更强：可回看前文、关联跨页信息，减少拼接导致的上下文断裂。
计算效率更高：SR-SWA 用稀疏参考替代全量注意力，显著降低冗余计算。
显存开销更低：结合无限解码机制，缓解超长文档解析的显存压力。
基准表现领先：文中称在 MPDocBench、MarathonDocBench 等长文档基准达 SOTA。

GitHub仓库：https://github.com/baidu/Unlimited-OCR
HuggingFace模型库：https://huggingface.co/spaces/baidu/Unlimited-OCR-2

长书籍/文献解析：整本小说、教材、典籍快速数字化并保留跨页上下文。
研报与财报分析：一次性读入数百页研报、年报，抽取观点、指标与风险点。
法律与合规审查：处理法规汇编、合同卷宗、案卷材料，支持跨页条款关联。
档案与票据数字化：扫描档案、病历、历史资料批量转结构化文本入库。
RAG/知识库构建：把超长 PDF 解析成可检索内容，服务问答、搜索与智能体调用。