03:06
AK@_akhaliq
AK@_akhaliq推荐理由：百度这个OCR模型居然冲到Hugging Face第一了，想搞文字识别的可以看看它有什么本事。
全部 AI 动态
AI 相关资讯全量信息流
6月29日
03:06
百度发布的Unlimited-OCR模型在Hugging Face模型排行榜上位列第一，超越其他模型。该模型专注于OCR文字识别任务，具体基准成绩尚未公布。其排名基于社区下载量和交互数据，反映出较高的关注度。
01:31
01:31
vLLM@vllm_project
vLLM@vllm_project精选
推荐理由：百度开源了Unlimited-OCR，在vLLM上跑，能一次性解析整本书，内存不涨，比DeepSeek-OCR快35%，做文档OCR的好东西。
6月28日
14:34
14:34
量子位@林樾
推荐理由：百度搞了个能扫整本书的OCR，还开源了，做文档处理的可以试试。
6月26日
21:48
21:48
berryxia@berryxia
berryxia@berryxia精选77°
推荐理由：PaddleOCR 把 v6 的部署数据拉得很细，A100 0.13 秒、M4 0.35 秒，还有三种尺寸选，想在生产环境搭 OCR 的直接抄作业。
6月25日
15:45
15:45IT之家（博客/媒体）
精选71°
推荐理由：百度开源了一个能一次性解析长文档的OCR模型，不再越处理越慢，性能还超过了DeepSeek OCR。
13:45
13:45
marktechpost@Asif Razzaq
marktechpost@Asif Razzaq精选
推荐理由：百度开源了一个3B参数的OCR模型，能一口气解析几十页文档，KV缓存不膨胀，性能直接碾压DeepSeek。
10:09
10:09berryxia@berryxia
berryxia@berryxia推荐理由：PaddleOCR的PP-OCRv6上HF了，支持transformers和ONNX Runtime双后端，切换框架不用改代码，超实用。
09:30
09:30
Jerry Liu@jerryjliu0
Jerry Liu@jerryjliu0精选
推荐理由：百度开源了Unlimited OCR，3B参数却只有500M激活，表格解析超强，能一次性读完40页文档，比PaddleOCR-VL-1.6强在表格和阅读顺序上。试试看？
08:26
08:26Jerry Liu@jerryjliu0
Jerry Liu@jerryjliu0精选
推荐理由：Mistral OCR 在 ParseBench 上打败了 GPT-5.5，离 Gemini 3.1 Pro 也不远，价格还便宜，做文档解析很值。
01:18
01:18Jerry Liu@jerryjliu0
Jerry Liu@jerryjliu0精选
推荐理由：Mistral OCR 在 ParseBench 上语义格式化很强，价格还比 Azure/AWS 便宜，适合做高质量 OCR 又不愿花大价钱的场景。
6月24日
12:39
12:39
小互@imxiaohu
小互@imxiaohu精选
推荐理由：百度开源了一款OCR模型，3B参数就能一次处理几十页PDF，不用切页，比传统逐页OCR强太多。
07:34
07:34
Mistral AI@MistralAI
Mistral AI@MistralAI推荐理由：Mistral 的 OCR 4 盲测赢了所有对手，处理多国语言文档很稳，平均胜率72%，值得试试。
03:28
03:28AK@_akhaliq
AK@_akhaliq推荐理由：百度出了个Unlimited-OCR，无限次OCR识别，做文字提取的可以试试。
6月23日
16:21
16:21
Pandaily@contact@pandaily.com (Pandaily)
推荐理由：百度搞了个Unlimited-OCR，用Constant KV Cache解决长文档识别，缓存不爆炸，性能还最强，适合处理几百页的合同或文献。
14:46
14:46
向阳乔木@vista8
向阳乔木@vista876°
推荐理由：百度开源了一个超聪明的OCR方案，用固定128 token缓存模拟人眼抄书，长文档不爆内存，快去试试！
14:45
14:45向阳乔木@vista8
向阳乔木@vista8推荐理由：百度刚开源的Unlimited OCR，3B参数只激活500M，效果居然这么强，做OCR的赶紧看看。
13:55
13:55
Geek@geekbb
Geek@geekbb精选
推荐理由：百度开源的OCR模型，在DeepSeek-OCR上做了升级，能一次性处理超长文档和密集文字，两种模式很实用。
12:05
12:05
arXiv: DeepSeek@Youyang Yin, Huanhuan Liu, YY, Qunyi Xie, Chaorun Liu, Shiqi Yang, Shaohua Wang, Zhanlong Liu, Hao Zou, Jinyue Chen, Shu Wei, Jingjing Wu, Mingxin Huang, Zhen Wu, Guibin Wang, Tengyu Du, Lei Jia
推荐理由：百度新出的 Unlimted OCR 用了一种叫 R-SWA 的注意力机制，让它处理几十页文档时不会变慢，内存占用也恒定。想做长文档 OCR 的可以试试。
10:33
10:33berryxia@berryxia
berryxia@berryxia推荐理由：百度搞了个挺牛的 OCR 模型，能一口气读几十页，不像以前那样一页一页循环。开源了，谁都能试试。
00:47
00:47berryxia@berryxia
berryxia@berryxia精选72°
推荐理由：百度开源了Unlimited-OCR，几百页文档一次搞定，不用分块拼接，速度稳准狠，OmniDocBench上93分压了DeepSeek-OCR一头。
6月18日
10:57
10:57
arXiv cs.LG@Denis Peskoff, Joe Barrow, Christopher Vu, Diag Davenport
推荐理由：法律AI研究者有福了！LOCUS提供了9,239个美国地方法规的机器可读语料，还附带了基于ModernBERT的分析工具，解决碎片化问题。
6月17日
11:37
11:37berryxia@berryxia
berryxia@berryxia精选
推荐理由：老哥把PP-OCRv6做成了Mac本地工具，一键切换模型大小，还能批量导出，离线用超方便。
6月16日
20:46
AITOP6月16日 20:46
15:57
15:57Geek@geekbb
Geek@geekbb推荐理由：Obsidian 用户快看，OCR Extractor 现在支持本地模型了，不用联网就能把 PDF 和图片里的文字提取出来变成可搜索的笔记，隐私更好还免费。
6月12日
12:57
AITOP6月12日 12:57
6月11日
15:28
AITOP6月11日 15:28
15:23
AITOP6月11日 15:23
15:07
AITOP6月11日 15:07
09:00
09:00
lmarena.ai@lmarena_ai
lmarena.ai@lmarena_ai推荐理由：Claude Fable 5 在视觉评测中拿下 OCR 第一，做文档处理、教育或图表分析的团队可以重点关注这个模型的实际表现。
6月4日
22:24
22:24Jerry Liu@jerryjliu0
Jerry Liu@jerryjliu072°
推荐理由：做文档解析、RAG 或 AI Agent 的团队终于有了一个靠谱的评测标准——ParseBench 覆盖了企业文档的真实痛点，建议直接拿去测你的模型或产品。
5月30日
00:41
00:41berryxia@berryxia
berryxia@berryxia72°
推荐理由：文档解析是 RAG 和 LLM 应用的关键瓶颈，PaddleOCR-VL 1.6 在复杂场景（表格、印章、稀有字符）上大幅提升，做法律、金融文档处理的团队可以直接替换升级，零迁移成本值得一试。
5月27日
20:57
20:57berryxia@berryxia
berryxia@berryxia推荐理由：这个基准测试戳破了多模态模型在古文字识别上的泡沫——它们根本没在认字，只是认载体。做文化遗产数字化或OCR研究的团队，看完会重新思考模型能力的边界。
5月24日
10:56
10:56
Qdrant@qdrant_engine
Qdrant@qdrant_engine推荐理由：做文档搜索或知识管理的团队值得关注——MistralAI OCR + Qdrant 的组合能直接解决非结构化数据难检索的痛点，建议有类似需求的开发者点开了解具体方案。
5月23日
09:12
09:12
LlamaIndex@llama_index
LlamaIndex@llama_index推荐理由：做文档解析或 AI 智能体开发的团队，终于有了一个贴近真实生产环境的评估标准，建议关注 ParseBench 的细节，看看你的解析器能否通过考验。
5月20日
21:51
21:51berryxia@berryxia
berryxia@berryxia精选
推荐理由：做文档智能或 RAG 的团队终于不用在 OCR 和 Transformer 之间搭桥了，PaddleOCR 3.5 直接跑在 Hugging Face 上，省掉一堆服务栈，建议做 Document AI 的开发者点开试试。
5月19日
16:57
16:57
Hunyuan@TXhunyuan
Hunyuan@TXhunyuan推荐理由：做 OCR 或古籍数字化的团队终于有了一个针对古代汉字的专业评估基准，可以直接用来测试自家 VLLM 的视觉感知能力，值得关注。
16:00
16:00berryxia@berryxia
berryxia@berryxia推荐理由：古文字识别是AI视觉的硬核边界，做OCR或文化遗产数字化的团队可以直接用这个基准测试自家模型，看看它们穿越回3000年前还能不能认出字。
12:31
12:31LlamaIndex@llama_index
LlamaIndex@llama_index推荐理由：做文档解析或 AI 智能体应用的开发者终于有了针对性的评估工具，ParseBench 能帮你判断解析器是否真的 ready for production，建议关注后续研讨会细节。
00:30
00:30Hugging Face: Blog（博客/媒体）
精选
推荐理由：PaddleOCR 拥抱 Transformers 生态，做文档解析和 OCR 的团队可以更灵活地选模型，不用被框架绑死，值得升级试试。
5月17日
14:04
14:04Jerry Liu@jerryjliu0
Jerry Liu@jerryjliu0精选
推荐理由：金融从业者做AI智能体时，文档上下文质量直接决定成败——LlamaIndex的实践方案（OCR+评估+人机审核）值得参考，尤其是处理发票、KYC等场景的团队建议点开。
5月14日
13:27
13:27
arXiv: DeepSeek@Ahmed Heakl, Youssef Mohamed, Abdullah Sohail, Rania Elbadry, Ahmed Nassar, Peter W. J. Staar, Fahad Shahbaz Khan, Imran Razzak, Salman Khan
精选
推荐理由：做多语言文档理解或 OCR 的团队终于有了一个覆盖 82 种语言的高质量基准和训练框架，低资源语言场景可以直接用 DPO 方法提升效果，建议点开看具体实现。
5月13日
18:18
18:18berryxia@berryxia
berryxia@berryxia推荐理由：做 OCR、视觉或音频处理的团队，终于有了一个又准又快又便宜的替代方案——Interfaze 用混合架构把通用大模型的痛点解决了，建议直接看博客跑一下自己的用例。