百度开源文心Unlimited OCR 2 实现3600页文档单次精准解析

10月27日，百度正式开源文心Unlimited OCR 2，实现全球首次任意页数文档一次性解析能力，突破传统OCR数十页上限，推动文档智能进入OCR 3.0时代。模型实测一次性完整解析《哈利·波特》全系列7部共3623页PDF，平均1.5秒/页；另成功处理5026页《四大名著》合订本，末页准确输出《红楼梦》第一百二十回结尾偈语，全程无中断、无复读。为验证真实视觉理解能力，测试团队构建240页原创长篇小说并埋设32处形近字与页码陷阱，模型忠实还原所有错误，未出现通用大模型常见的“纠错式幻觉”。技术核心为稀疏参考滑动窗口注意力机制（SR-SWA），模拟人类阅读习惯，通过页面门控与高得分Token桶动态捕获跨页依赖，在百页场景下单步解码速度较Full Attention提升7倍。配合无限视野解码技术，模型总参数3B，推理仅激活500M，KV缓存显存占用降低96.2%，主流游戏显卡（如RTX 4070）即可流畅运行。在MPDocBench与MarathonDocBench基准上分别取得84.6分与77.1分，位列第一，显著领先Qwen 3.8-Max、Gemini-3.8-Flash等主流模型。该模型定位为专用OCR引擎，输入为扫描图像或PDF渲染图，输出结构化文本（含标题、表格、公式），不生成摘要或问答，保障超长文档下的稳定性与准确性。代码与权重已开源至GitHub与Hugging Face，企业用户可通过百度智能云调用服务。