@XAMTO_AI：长PDF被切割成单页然后重新拼接，其中跨页表格和阅读顺序最容易……

X AI KOLs Timeline 模型
ocr long-document-processing open-source ai-model baidu transformers vllm

摘要

百度的开源Unlimited-OCR模型同时处理多个PDF页面，优于DeepSeek-OCR等基线模型，并支持本地执行与社区集成。

长PDF被切割成单页然后重新拼接，其中跨页表格和阅读顺序最容易被搞乱。 百度的开源Unlimited-OCR旨在一次处理多个页面：大约30亿参数，更少的激活，并且在论文中，它在32K上下文下一次解析数十个页面，在OmniDocBench上优于DeepSeek-OCR基线模型。 本地运行，权重开源。兼容Transformers和vLLM，社区也在进行llama.cpp集成。云OCR按页收费——这用机器资源和时间来换取账单。 它是否能一次性处理100页取决于VRAM和文档密度；仓库并不保证作为基线。合同和论文可以先在本地运行，但最终稿件仍需人工审核。 🔗
查看原文
查看缓存全文

缓存时间: 2026/09/20 03:12

长PDF文档会被拆分为单页再重新拼接，而跨页表格和阅读顺序最容易因此出错。

百度开源的Unlimited-OCR旨在一次性处理多页文档：该模型约含30亿参数，激活量更少。论文显示，它能在32K上下文窗口中一次性解析数十页内容，在OmniDocBench基准测试上超越了DeepSeek-OCR基线模型。

该模型可本地运行并开源权重，兼容Transformers和vLLM框架，社区还在推进llama.cpp集成。云端OCR服务通常按页收费——本方案则将计费单位转换为计算资源与时间消耗。

能否一次性处理100页文档取决于显存容量与文档信息密度；代码仓库并未将其作为默认保证。合同与论文等文件可先通过本地处理，但最终版本仍需人工复核。

🔗

相似文章

baidu/Unlimited-OCR

Hugging Face Models Trending

百度发布了Unlimited-OCR，一种用于一次性长程文档解析的新模型，基于Deepseek-OCR构建。它支持通过Hugging Face Transformers和SGLang进行单图像和多页/PDF解析。

Unlimited OCR: 一次性长程解析

Hacker News Top

百度发布Unlimited-OCR，这是一个基于Deepseek-OCR构建的开源模型，用于一次性长程文档解析，支持单张图片、多页文档和PDF。