OCR 3.0 時代來了！文心 Unlimited OCR 2 開源發佈，超長文檔解析迎來“頁數自由”
10月27日，百度發佈並開源文心 Unlimited OCR 2，全球首次實現任意頁數文檔解析，將 OCR 的處理上限從數十頁推向“無限”，並達到最先進水平（SOTA）。實測顯示，該模型能夠一次性解析《哈利·波特》全系列 7 部作品，累計超過 3600 頁，在文檔長度大幅增加的情況下，依然保持較高的精度和處理效率，推動文檔解析技術邁向OCR 3.0時代。公開基準測試顯示，在面向多頁文檔解析的 MPDocBench，以及專門評估百頁級超長文檔解析能力的 MarathonDocBench 上，文心 Unlimited OCR 2 的綜合得分分別為 84.6分和 77.
1分，達到端到端性能SOTA，大幅領先 Qwen 3.8-Max、Gemini-3.8-Flash、GLM-5.3-Flash、DeepSeek-4.1-Flash等模型。這一突破得益於文心 Unlimited OCR 2 所提出的稀疏參考滑動窗口注意力機制（Sparse Reference Sliding Window Attention，SR-SWA）。該機制借鑑了人類抄錄書籍的過程——通常專注於當前頁面，只有在需要核對前文或查找跨頁信息時，才會回看相關內容，而非反覆翻閱整本書的內容。SR-SWA 將該思路引入模型的注意力計算中。
具體而言，頁面門控（Page Gate）先把每個查詢的視覺參考範圍從整個文檔縮小到相關頁面，同時建模跨頁的位置關係；隨後引入得分最高的視覺 Token 桶（Token Buckets），以捕捉長距離視覺依賴關係。報告測試顯示，在百頁文檔場景中，SR-SWA 的單步解碼速度相比 Full Attention 和上一代 R-SWA 分別提升7倍和5.6倍。隨著 AI 技術的發展，長篇研報、整本書籍等超長文檔的解析需求日益增長，對 OCR 技術提出了全新挑戰。
傳統 OCR 的解析範圍多侷限於單頁，多頁解析通常依賴於結果拼接；第一代 Unlimited OCR 通過引入參考滑動窗口注意力機制，將解析範圍拓展至連續數十頁；而此次發佈的 Unlimited OCR 2 則進一步突破了超長文檔解析的計算瓶頸，通過SR-SWA減少冗餘視覺信息計算，結合無限解碼機制（Unlimited-Horizon Decoding）降低超長文檔解析的計算與顯存開銷，推動文檔解析技術邁向OCR 3.0時代，實現了真正意義上的任意頁數文檔解析。Unlimited OCR 項目已經獲得全球開源社區廣泛認可。
第一代 Unlimited OCR 於6月22日正式發佈後，次日即登頂 GitHub Daily Trending 總榜、Python 榜， HuggingFace 全球模型總趨勢榜、多模態模型趨勢榜，實現四榜第一，GitHub Star 5 天突破 1 萬，躋身現象級爆款項目行列。截至目前，Hugging Face 累計下載量突破 1000 萬次，GitHub 斬獲 2.85 萬 Star，獲得圖靈獎得主、AI 科學家楊立昆（Yann LeCun）的轉發推薦。11月12日，百度世界2026大會將進一步展示文心 Unlimited OCR 2 的技術亮點及應用潛力。
本屆大會以“下一幕，智能組織”為主題，將發佈百度“芯雲模體”全棧AI的最新升級成果，助力企業和開發者加速AI應用落地，推動智能組織進化。目前，文心 Unlimited OCR 2 的代碼和模型權重同步開源至 GitHub、Hugging Face，並同步上線百度智能雲平臺和百度AI開放平臺，開發者和企業用戶可下載使用。文心 Unlimited OCR 2 開源地址：GitHub：https://github.com/baidu/Unlimited-OCR HuggingFace：https://huggingface.co/baidu/Unlimited-OCR-2
Related
相關文章
中國開源走向物理世界，螞蟻靈波攜機器人通用大腦亮相烏鎮
11月2日至5日，2026年世界互聯網大會烏鎮峰會在浙江烏鎮舉行，本屆峰會的主題為“開源開放 共建共享——攜手構建網絡空間命運共同體”。螞蟻集團旗下具身智能公司螞蟻靈波，攜全棧開源的機器人通用大腦亮相烏鎮，展示模型研發、開源協作以及場景應用的新進展。今天，開源正從語言、代碼和內容生成，延伸至機器人對物理世界的感知、預測與行動。與數字世界不同，機器人本體千差萬別，任務場景高度分散，許多團隊不得不為每一種構型、每一個場景從頭訓練“大腦”。對此，靈波給出的路徑是開放的具身基礎模型。
曝OpenAI拿下超6.7億年單！打“骨折”、送額度、配工程師，就為了搶Anthropic客戶
編譯 | 孫小雯 編輯 | 程茜 OpenAI和Anthropic為了搶用戶，最近又槓上了！10月30日，OpenAI剛將部分Pro套餐的ChatGPT Work和Codex額度翻倍；次日，Anthropic取消了已驗證Ultra賬戶的5小時用量限制，周限額保留。
英特爾與騰訊發佈基於至強6+的雲實例，曬智能體AI基礎設施全家桶
作者 | ZeR0 編輯 | 漠影 11月3日報道，近日，在2026騰訊全球數字生態大會上，英特爾與騰訊雲發佈基於英特爾至強6+處理器的騰訊雲新一代雲實例，並全面展示英特爾的芯片產品與雲端實踐。 全新至強6+處理器擁有最高288顆能效核，單顆處理器最高可支持超過1000個智能體的穩定部署，這也為騰訊雲服務器提供更高併發、更低時延、更優能效的雲端算力服務。
智元榮獲2026世界互聯網大會傑出貢獻獎
11月3日，2026年世界互聯網大會烏鎮峰會在浙江烏鎮隆重開幕，國務院總理李強出席開幕式並發表主旨演講。開幕式上，智元憑藉在具身智能領域的系統性技術突破與產業化實踐，獲頒世界互聯網大會傑出貢獻獎。智元合夥人、高級副總裁朱潔在領獎時表示：人工智能的終局，不在於屏幕與雲端，而紮根於工廠一線和尋常煙火。具身智能賽道的競爭，早已跳出單點技術的競速，轉向軟硬協同、工程化落地、產業組織與治理體系的綜合比拼。智元期待與各界同心同行，堅守務實，躬身落地。
電動車退燒、AI 儲能燒起來：LG 新能源把產能挪向數據中心
11 月 3 日，首席財務官李昌植在財報電話會上給出時間表：今年底軟包儲能系統（ESS）產能將超 50 吉瓦時，明年進一步拉到 70 GWh 以上。在他看來，電動車增速放緩之際，AI 數據中心的大規模新建為電池廠撕開了新口子——第三季度 ESS 在手訂單已達 160 GWh，公司正與電力企業、超大型數據中心運營商談新項目，今年 9 月還作為儲能供應商擠進了英偉達的 DSX Ready 計劃。
最高288核的至強6+，為了Agent高密度部署還下了哪些「雲功夫」？
作者 | 陳悅琳編輯 | 包永剛 一個智能體能順利完成任務，不代表成百上千個智能體就能同時高效運行。 對於承載大量智能體任務的雲服務器而言，除了提升計算速度，如何在任務集中到來時迅速準備好執行環境、怎樣減少暫時閒置的任務對內存資源的佔用，也成為亟待解決的問題。 對此，在一年一度的騰訊全球數字生態大會上，英特爾與騰訊雲聯合發佈了基於至強6+處理器的新一代雲實例，圍繞任務啟動效率、內存資源利用率等關鍵因素進行優化後，其綜合性能較上一代提升30%以上。