Baidu发布开源模型Unlimited OCR 2

10月27日

1. 20:57

   邵猛相关讨论

   邵猛 参与了这场讨论 ↗

   原帖参与热度计算，不等同于正式报道或已确认事实。

2. 19:13

   邵猛

   百度开源 Unlimited OCR 2：3B/A0.5B MoE 架构支持超长文档解析

   百度开源 Unlimited OCR 2，这是面向几十到几百页文档的 OCR 与版面解析模型，采用 3B/A0.5B 的 MoE 架构。相比 v1 的 R-SWA，v2 把解码器注意力升级为 SR-SWA，并加入 Unlimited-Horizon Decoding，将文本与视觉的注意力交互压缩到固定容量的工作参考集（README 举例 512 tokens），再配合按页分块解码，使超长文档能在有限上下文内完成解析。作者称在百页量级上，逐步解码速度相对 Full Attention 约 7.0×、相对 R-SWA 约 5.6×，延迟和显存几乎不随文档变长而上涨。

   展开摘要
3. 17:44

   Adina Yakup相关讨论

   Adina Yakup 参与了这场讨论 ↗

   原帖参与热度计算，不等同于正式报道或已确认事实。

4. 17:09

   Berry Xia相关讨论

   Berry Xia 参与了这场讨论 ↗

   原帖参与热度计算，不等同于正式报道或已确认事实。

5. 16:35

   量子位

   百度开源文心 Unlimited OCR 2，峰值 KV 缓存从 47GB 降至 1.77GB

   百度发布并开源文心 Unlimited OCR 2，通过稀疏参考滑动窗口注意力机制 SR-SWA 和无限解码机制，在百页级单序列测试中把峰值 KV 缓存从标准解码的 47GB 降至 1.77GB，减少约 96%。16 路并发测试中端到端吞吐量从 360 提升至 1315 Token/秒，约为标准解码的 3.65 倍。模型已在 Hugging Face 和 GitHub 开源，上一代 Unlimited OCR 累计下载量超过 1000 万、GitHub 约 2.86 万 Star。

   展开摘要
6. 14:21

   雷锋网

   百度开源文心 Unlimited OCR 2，支持任意页数文档解析

   百度发布并开源文心 Unlimited OCR 2，称其首次实现任意页数文档解析，实测可一次性解析《哈利·波特》全系列 7 部、累计超过 3600 页。该模型在 MPDocBench 和 MarathonDocBench 上综合得分分别为 84.6 分和 77.1 分，采用稀疏参考滑动窗口注意力机制 SR-SWA，百页文档场景单步解码速度相比 Full Attention 和上一代 R-SWA 分别提升 7 倍和 5.6 倍。代码和模型权重已开源至 GitHub、Hugging Face，并上线百度智能云平台和百度 AI 开放平台。

   展开摘要
7. 13:26

   MarkTechPost

   百度开源 Unlimited OCR 2，3.34B 模型支持数百页文档解析

   百度开源 Unlimited OCR 2，这是一个 3.34B 参数的视觉语言模型，可在一次请求中解析数百页书籍、财报和报告，权重以 MIT 协议发布，代码在 GitHub。其核心改动是 SR-SWA 稀疏注意力，把文本与视觉注意力压缩到固定 512 token 参考集，使每步解码的延迟和内存随文档变长基本持平。百度自报该模型在 MPDocBench 得 84.6、在 MarathonDocBench 得 77.1，后者次优模型 Kimi-K3 为 33.7，但标题层级子项仅 48.2。

   展开摘要
8. 10:41

   百度 Baidu一手精选

   百度开源 Unlimited OCR 2 文档解析模型

   百度开源 Unlimited OCR 2，通过新的 SR-SWA 机制把文本与视觉的注意力交互压缩为固定规模的工作参考，从而在有限上下文窗口内解析几乎任意长度的文档。官方称文档变长时每步解码延迟和内存占用接近恒定，并在覆盖数十页到数百页文档的 MPDocBench 和 MarathonDocBench 上取得 SOTA 表现。

   展开摘要