湖南
近日，百度正式發布并開源端到端OCR模型Unlimited OCR。模型發布后迅速獲得全球開發者關注，發布次日即登頂 GitHub Daily Trending 榜、Python榜。隨后熱度持續攀升，GitHub Star僅 5天就突破1萬，躋身 GitHub 現象級爆款項目行列，在HuggingFace全球模型總趨勢榜和多模態模型趨勢榜也均排名第一，實現GitHub、HuggingFace四榜第一。
與此同時，百度AI在資本市場也迎來積極信號。6月29日，百度集團-SW
股價漲超 8%，據The Information 最新報道，百度旗下昆侖芯正計劃赴港上市，目標估值約 500 億美元。
GitHub Star 突破 1 萬，一直被視為全球開源項目影響力的重要分水嶺，而能夠在極短時間內達到這一規模的，通常都是具有現象級關注度的開源項目。Unlimited OCR 僅用 5 天便邁過這一里程碑，展現出強勁的技術實力與全球開發者影響力。
Unlimited OCR 面向長文檔解析場景打造，總參數規模 3B、推理時激活參數僅約 570M。公開評測結果顯示，Unlimited OCR 在 OmniDocBench v1.6 基準測試中取得 93.92% 綜合成績，刷新端到端 OCR 最新紀錄；在保持高精度解析能力的同時，真實文檔場景推理速度較 DeepSeek OCR 提升約 12.7%，輸出長度達 6000 tokens 時速度優勢擴大至 35%。
Unlimited OCR 更重要的意義在于推動了長文檔解析技術向前邁出關鍵一步。過去，OCR 模型面對書籍、論文、報告等長文檔時，通常需要采用“逐頁解析+結果拼接”的工程方案，隨著輸出內容不斷增長，解碼階段的 KV Cache 持續膨脹，推理速度和顯存成本也隨之增加。
針對這一行業痛點，百度提出Reference Sliding Window Attention（R-SWA）機制，為長程解析提供了新的解決思路。該機制借鑒人類閱讀和抄錄長文檔時的工作方式：始終保持對原始文檔內容的關注，同時僅保留最近一段生成內容作為“工作記憶”，而不是無限累積全部歷史信息。基于這一設計，模型能夠在一次前向推理中連續完成數十頁文檔解析，實現從第一頁到最后一頁的連貫輸出，同時將解碼階段的 KV Cache 控制在恒定規模，使計算成本和顯存占用不隨輸出長度持續增長。
這一突破不僅提升了 OCR 在長文檔場景下的可用性，也為大模型長期記憶管理提供了新的技術思路。近年來，行業普遍通過擴展上下文窗口來增強長程能力，而 Unlimited OCR 則探索了另一條路徑——通過更高效的注意力機制和記憶管理策略，讓模型“學會保留關鍵上下文、適度遺忘歷史信息”，以更穩定、更經濟的方式完成超長任務。
Unlimited OCR 展現的不僅是一項 OCR 能力升級，更是百度在多模態基礎模型和長程推理方向上的一次重要探索，為行業提供了處理超長上下文的新思路。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
