Baidu 开源 Unlimited OCR 2，这款文档解析器的解码成本近乎恒定

Baidu 于 10 月 26 日在 X 上宣布推出 Unlimited OCR 2，并在 GitHub 上提供代码、在 Hugging Face 上提供权重。该模型旨在有限的上下文窗口内解析几乎任意长度的文档。

Baidu 表示，其新的 SR-SWA 注意力机制会将文本与视觉注意力交互压缩为一组固定大小的工作参考，因此随着文档变长，每步解码延迟和内存占用仍能保持近乎恒定。转述发布内容的一则摘要称，该模型有 3.34B 个参数，采用 MIT 许可证发布，并使用固定的 512 tokens 工作集；这些细节来自一位用户的帖子，并非 Baidu 的公告。

公告中的说法，未经独立测量：

• 在 MPDocBench 和 MarathonDocBench 上取得最先进的成绩；这两个基准涵盖数十页至数百页的文档。