新闻
2026-06-30
16
百度开源3B模型Unlimited OCR:5天Star破万，刷新长文档解析纪录
百度开源3B参数端到端OCR模型Unlimited OCR，专攻书籍论文等长文档。项目上线5天GitHub Star破万，登顶四项趋势榜。技术上，推理激活约570M参数，创新引入Reference Sliding Window Attention机制，突破逐页拼接限制，支持数十页一次性连续解析，大幅提升长文档处理效率。
核心要点
- 1.百度开源3B参数端到端OCR模型Unlimited OCR
- 2.专攻书籍论文等长文档，支持数十页连续解析
- 3.创新引入Reference Sliding Window Attention机制
- 4.推理时仅激活约570M参数，效率高
- 5.项目上线5天GitHub Star破万，登顶四项趋势榜
关键数据
模型总参数量: 3B(Unlimited OCR模型参数规模)推理激活参数量: 约570M(实际推理时激活的参数，体现高效)GitHub Star数: 破万(上线5天即获得超过1万星标)趋势榜登顶数: 四项(在GitHub上登顶四项趋势榜单)
影响评估
正面
该模型显著提升长文档OCR处理效率，推动开源OCR技术发展
通过Reference Sliding Window Attention突破逐页拼接限制，有效解决长文档连续解析难题，对学术、出版等场景有重要价值
相关工具
Unlimited OCR— 百度开源的3B参数端到端OCR模型
百度近日发布并开源了3B参数规模的端到端OCR模型——Unlimited OCR，专为书籍、论文等长文档解析场景打造。该项目上线后迅速登顶GitHub与HuggingFace四项趋势榜，开源仅5天GitHub Star即破万。
技术上，Unlimited OCR推理时激活参数约570M，并首次引入Reference Sliding Window Attention（R-SWA）机制。该机制打破了传统“逐页解析+拼接”的限制，实现数十页文档的一次性连续解析;同时，它将解码阶段的KV Cache控制在恒定规模，使显存占用和计算成本不再随输出长度增长而暴涨。
在OmniDocBench v1.6基准测试中，该模型以93.92%的成绩刷新纪录。真实场景下，其推理速度较DeepSeek OCR提升约12.7%，在6000Tokens输出长度下速度优势扩大至35%，为海量文档数字化和大模型长程记忆管理提供了全新路径。