百度开源Unlimited OCR 2：单次可解析百页文档 解码成本不随长度上涨

OCR即光学字符识别，作用是把图片、扫描版PDF里的文字和版面信息转换成可编辑的结构化内容。百度近日开源了专攻长文档场景的Unlimited OCR 2模型，参数规模30亿，采用MIT开源协议，个人使用和商用集成都没有额外门槛。

日常工作里遇到百页级的扫描版合同、学术论文、存档卷宗，多数通用OCR工具都要求提前拆成单页逐次识别。流程繁琐之外，跨页表格、连续页眉页脚、分页注释这类内容容易在结果拼接时出错。就算有支持长输入的模型，通常页数越多，识别速度越慢，算力成本随长度线性上涨，多数团队很难承担高频调用的开销。

Unlimited OCR 2支持单次请求直接解析百页规模的文档，不需要提前做分页拆分。它搭载了自研的SR-SWA注意力机制，官方数据显示，该结构能让模型每一步解码的计算成本几乎保持平坦，不会随输入文档长度增加明显上升。在专门面向长文档OCR场景的测试基准MarathonDocBench上，这款模型的综合得分为77.1。

对有批量档案数字化需求的传统行业，或是开发文档知识库、AI阅读工具的团队来说，这个开源模型可以省掉不少长文档预处理、算力调度的额外工作量。MIT协议本身没有开源传染性要求，使用者只要保留原版权声明，就可以自由修改和二次分发。

消息来自科技媒体MarkTechPost2026年10月26日的报道，作者Asif Razzaq。