标签
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。
Unlimited-OCR，一家中国公司新发布的开源OCR模型，解决了AI OCR工具中常见的内存增长问题——无论文档多长，内存使用都保持平稳，从而能够在32K上下文长度下一次性读取数十页。它采用MIT许可，拥有30亿参数，支持多语言，并且在GitHub上已经广受欢迎。
百度发布Unlimited-OCR，一个30亿参数的开源模型，拥有32K上下文窗口，可一口气读完整份100页PDF，准确率达93%，且完全本地运行。该模型在Hugging Face上已有190万下载量，却鲜有关注。
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。
百度的Unlimited-OCR模型采用了Reference Sliding Window Attention技术，现已获得vLLM支持，能够以恒定内存消耗高效地一次性解析整本书籍。
这篇文章展示了如何在Hugging Face Jobs上将百度的Unlimited-OCR模型作为临时的、兼容OpenAI的端点提供服务，支持多页文档解析，具有表格转HTML和公式转LaTeX提取等功能。
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。
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。
百度发布了Unlimited-OCR，它可以一次性处理整个文档而无需分块，克服了当前OCR技术的一个主要限制。
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。
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。
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。
这是一条对晚点LateTask访谈的总结，回顾了百度美研在AI领域的早期布局，包括投资Cerebras、差点投资OpenAI和Anthropic，以及多位人才从百度流向这些公司等历史细节。
Unlimited OCR 引入了 Reference Sliding Window Attention，以消除长序列 OCR 任务中不断增长的内存消耗，从而能够在单次前向传播中高效转录多页文档。
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。
用户称赞百度推出的一款产品，能够有效解决翻译论文时数字处理困难的痛点，认为这是刚需。
百度文心发布 PP-OCRv6，提供 Tiny/Small/Medium 三档模型，支持 50 多种语言；其中 Tiny 版仅 1.5MB 可在浏览器本地运行，单图预测最快 97ms，证明小型专用模型可在 OCR 任务上超越大模型。
百度 PaddlePaddle 发布了 PP-OCRv6，一款支持 48+ 种语言的 OCR 模型，提供 tiny（1.5M）、small（7.7M）和 medium（34.5M）三种尺寸，针对边缘部署进行了优化，可处理手写、印刷、工业、屏幕和卡片文字。
讨论中国独立站（品牌自建官网）生态为何弱于国外，认为用户主要在微信、微博、抖音等平台搜索品牌而非百度，且商家依赖平台而非自建官网。