MarathonDocBench 是百度在开源 Unlimited OCR 2 时同步推出的一份长文档 OCR 能力评测基准，用于衡量模型在不做切分的前提下解析超长文档的效果。它以'马拉松'命名，指向一个明确的评测场景：让模型像跑马拉松一样一次性'跑完'整份长文档，而不是靠分段拼接绕开长文本处理难题。随着长文档数字化需求上升，这类基准正在成为评估 OCR 系统真实能力的重要参照。
MarathonDocBench 与 Unlimited OCR 2 的开源
MarathonDocBench 首次进入公众视野，是在百度开源 Unlimited OCR 2 之时。据 pandaily 报道，该模型支持单次解析任意长度的文档，官方同步发布了 MarathonDocBench 作为配套评测基准，用于验证'不限长度、单次解析'这一核心卖点。marktechpost 的报道则将这一能力概括为单次解析百页级长文档，认为开源之举降低了开发者复现与对比的门槛。百度 AI 官方账号也在社交平台确认了 Unlimited OCR 2 开源的消息，强调其长文档解析能力。
为什么需要专门的长文档基准
传统 OCR 评测多以单页或短文档为主，模型厂商常通过把长文档切片再汇总的方式取得高分，这掩盖了模型在全局版面理解、跨页结构还原上的短板。MarathonDocBench 的定位正是检验模型在端到端长上下文下的表现，包括跨页表格、目录结构、长文档一致性问题。从评测方法论看，它与近年'长上下文'评测趋势一致，但把重点放在了文档解析而非语言理解。
当前焦点与观察点
值得关注的争议在于评测的中立性：MarathonDocBench 由模型发布方自己构建，其文档来源、标注质量和指标设计尚需第三方复现检验，行业通常更认可独立机构或学术团队维护的基准。另一个观察点是实用性与成本的平衡——单次解析百页文档对显存和推理耗时要求较高，实际部署中切片方案仍可能是更经济的选择。此外，同期百度人事变动引发对其文心模型后续节奏的猜测，长文档 OCR 能力是否会与文心系列进一步整合，也是后续值得跟踪的方向。对开发者而言，建议在采用该基准时同时参考多个独立数据集，以获得更全面的评估结论。