百度开源Unlimited-OCR，一次处理几百页文档，速度超快
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。
百度在Hugging Face上开源了Unlimited-OCR模型，其核心创新是R-SWA（Reference Sliding Window Attention），让KV Cache保持恒定，避免随页数爆炸。
该模型可一次性解析单张图或多页PDF，在OmniDocBench上获得93分，比DeepSeek-OCR高出6个百分点。它取代了传统“分块+拼接”流程，实现端到端长文档理解，输出质量更高。
这速度真特么离谱啊！卧槽！
最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。
而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。
它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。
结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。
在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。
这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。
以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。
这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。
技术路线很清晰，也很实用。 果然百度现在OCR独树一帜，遥遥领先了。
模型地址见评论区～ 👇
This report is categorized under AITOP's "Models" desk, focusing on China's AI industry and domestic foundation model ecosystem. Within our cross-regional analytical framework, it directly maps to US-China foundation model benchmarks and commercialization comparison. Key entities and technical topics under continuous tracking include Unlimited-OCR, 百度, OmniDocBench, DeepSeek-OCR.
Source attribution: curated from berryxia (@berryxia). Cross-source corroboration: 6 independent sources have covered this development (including arXiv: DeepSeek, 小互, 向阳乔木), confirming industry-wide signal strength.
