AI 精选动态
智能评分 65
百度开源 Unlimited-OCR：一次性处理数百页文档
AI 推荐理由
差异点：R-SWA 解决长文档 OCR 中 KV Cache 爆炸问题，实现了真正的一镜到底处理。核心解读
百度在 Hugging Face 发布 Unlimited-OCR，其核心创新 R-SWA（Reference Sliding Window Attention）使 KV Cache 在解码时保持恒定，支持一次性处理数百页文档。该模型在 OmniDocBench 上取得 93 分，比 DeepSeek-OCR 高 6 个百分点。
全文
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～ 👇
https://video.twimg.com/amplify_video/2069094075295555584/vid/avc1/1018x480/nybnoC1cHSXvSdKd.mp4?tag=28
> **引用原帖 Adina Yakup (@AdinaYakup):**
> Unlimited-OCR 🔥New OCR from @PaddlePaddle
> It can parse hundreds of pages in a single pass while maintaining stable speed.
> The key idea is R-SWA (Reference Sliding Window Attention), which keeps KV cache constant during decoding.
> 🏆 93% on OmniDocBench
> 📈 +6% over DeepSeek-OCR
> https://x.com/AdinaYakup/status/2069081754837614998
Berryxia.AI (@berryxia): https://t.co/wpqiYCRg3D