百度开源文心Unlimited OCR 2：突破超长文档解析瓶颈，迈向OCR 3.0时代
2026/10/27 14:21阅读量 2
10月27日，百度发布并开源文心Unlimited OCR 2，全球首次实现任意页数文档解析，将处理上限从数十页推向“无限”。该模型在MPDocBench和MarathonDocBench基准测试中达到SOTA水平，实测可一次性解析超3600页的《哈利·波特》全系列。其核心创新在于稀疏参考滑动窗口注意力机制（SR-SWA），大幅提升了长文档处理的精度与效率。
事件概述
10月27日，百度正式开源文心Unlimited OCR 2模型。该技术突破了传统OCR对文档长度的限制，实现了真正意义上的“任意页数”文档解析，标志着文档解析技术进入OCR 3.0时代。目前，模型代码及权重已在GitHub、Hugging Face以及百度智能云等平台同步开放下载。
核心技术与性能表现
- 架构创新：模型引入了稀疏参考滑动窗口注意力机制（Sparse Reference Sliding Window Attention, SR-SWA）。该机制模拟人类阅读习惯，通过页面门控缩小视觉参考范围，并利用得分最高的视觉Token桶捕捉长距离依赖，从而减少冗余计算。在百页文档场景中，单步解码速度相比Full Attention提升7倍，比上一代R-SWA提升5.6倍。
- 基准测试领先：在多页文档解析基准MPDocBench上得分84.6分，在专门评估百页级超长文档的MarathonDocBench上得分77.1分。综合性能达到最先进水平（SOTA），显著优于Qwen 3.8-Max、Gemini-3.8-Flash、GLM-5.3-Flash等主流模型。
- 极限场景实测：模型能够一次性完整解析《哈利·波特》全系列7部作品，累计超过3600页，且在文档长度大幅增加的情况下，依然保持了较高的解析精度和处理效率。
项目影响力与后续计划
- 社区反响热烈：第一代Unlimited OCR发布后曾登顶GitHub及HuggingFace多项趋势榜，获得图灵奖得主Yann LeCun推荐。第二代模型延续了这一热度，进一步巩固了其在开源社区的领先地位。
- 大会展示：百度将在11月12日举行的百度世界2026大会上，重点展示文心Unlimited OCR 2的技术亮点及应用潜力，配合“芯云模体”全栈AI升级成果，推动企业端AI应用落地。