@vista8: 感觉百度的技术底子还是很硬的。 最近这个Unlimited OCR，竟然连杨立昆（Yann LeCun）都关注到了！ Unlimited OCR 提出了 Reference Sliding Window Attention （R-SWA）…
摘要
百度开源的Unlimited OCR模型提出Reference Sliding Window Attention（R-SWA）机制，以30亿参数实现数十页文档连续解析，在GitHub和HuggingFace上获得极高关注。
查看缓存全文
缓存时间: 2026/07/22 18:35
感觉百度的技术底子还是很硬的。
最近这个Unlimited OCR，竟然连杨立昆（Yann LeCun）都关注到了！
Unlimited OCR 提出了 Reference Sliding Window Attention （R-SWA）机制，不用传统的“逐页解析+结果拼接”方法，通过借鉴人类阅读和抄长文档的工作方式，把解码阶段 KV Cache 控制在恒定规模，仅用30亿参数模型，实现数十页文档一次连续解析。
上个月开源的 Unlimited OCR，发布第二天就冲上 GitHub Trending 和 HuggingFace 模型下载趋势榜双第一。
如今项目 GitHub Star 已突破 1.65 万，HuggingFace 下载量超 224 万，再一次登上Trending，目前已经位列第二，并再次超过 GLM-5.2。
作为大模型训练数据清洗的基建型项目，Unlimited OCR 吸引了全球大量开发者的关注。
#无限OCR #UnlimitedOCR #百度 #文心大模型 #文心
相似文章
@GoSailGlobal: 现在的 OCR 处理几十页文档，是逐页跑的 每翻一页，记忆清零一次 百度今天悄悄在 GitHub 和 HuggingFace 开源了一个模型，叫 Unlimited OCR，它的灵感，来自人类抄书： - 你抄一本书，不会每写一个字就把前面…
百度开源了 Unlimited OCR 模型，采用参考滑动窗口注意力（R-SWA）机制，实现了对长达 32K 上下文的一次性文档解析，无需逐页推理。
@BaiduAI_News: 我们正在开源Unlimited OCR——专为一次性读取长文档而构建。总参数3B，仅500M激活…
百度开源Unlimited OCR，一个3B参数模型（500M激活参数），使用Reference Sliding Window Attention（R-SWA）一次性读取长文档，在OmniDocBench上取得最先进的SOTA结果。
@berryxia: 卧槽，这一波直接把DeepSeek的“墙角挖到了啊”！ 昨晚看到HuggingFace刷到这个有意思的OCR开源模型和原来背后有趣的故事。 这个OCR模型直接与传统的OCR模型完全不同！ 光着速度和精准度真的就无敌了~~ 先说说背景，熟悉…
百度开源了Unlimited OCR模型，采用R-SWA注意力机制，可一次性处理数百页文档，无需分页，KV Cache恒定。该模型创新性地借鉴了人类抄书时的注意力模式，并与DeepSeek OCR有技术渊源，引发了对人才流动的关注。
@Fenng: HuggingFace、GitHub 四榜登顶，仅 5 天 Star 破万，百度 Unlimited OCR 跻身增长最快开源项目之一。 前两天时间线里看到不少人在说百度发布的 Unlimited-OCR。 其实 OCR 是百度的传统优势…
百度发布的 Unlimited-OCR 开源项目在 HuggingFace 和 GitHub 四榜登顶，5 天内 Star 破万。该模型采用 MoE 架构（3B 总参数、570M 激活参数），在长文档连续识别能力上表现突出，灵感来自人类抄书方式，也为大模型长期记忆管理提供了新思路。
@geekbb: 百度开源的视觉语言模型 OCR 项目，在 DeepSeek-OCR 基础上做了升级，主打一次性解析超长文档。模型有两种推理模式：gundam 模式用来对付单张图里的密集文字，base 模式处理多页或 PDF。 https://github…
百度开源了视觉语言模型Unlimited-OCR，基于DeepSeek-OCR升级，支持一次性解析超长文档，提供gundam（单图密集文字）和base（多页/PDF）两种推理模式。