AntwortenVeröffentlicht16 Quellen
Baidus Unlimited OCR 2: Wie SR-SWA lange Dokumente verarbeitet
Baidu veröffentlichte Unlimited OCR 2 am 27. Oktober 2026. Für Dokumente mit 100 Seiten meldet Baidu eine 7,0 mal schnellere schrittweise Dekodierung als mit Full Attention und eine 5,6 mal schnellere als mit dem Vorgänger R SWA.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Baidu veröffentlichte Unlimited OCR 2 am 27. Oktober 2026.
- Für Dokumente mit 100 Seiten meldet Baidu eine 7,0 mal schnellere schrittweise Dekodierung als mit Full Attention und eine 5,6 mal schnellere als mit dem Vorgänger R SWA.
- Code und Modellgewichte stehen über Baidus GitHub Projekt und das Hugging Face Repository bereit.
KI-Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Baidu’s Unlimited OCR 2, open-sourced as reported on October 28, 2026, and how does it advance the original Unlimited-OCR released i. Article summary: Baidu’s Unlimited OCR 2 is an open-source, end-to-end document-parsing model designed to process extremely long documents in a single request using bounded working attention, rather than a context that grows with every p. Topic tags: general, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
Baidu hat Unlimited OCR 2 am 27. Oktober 2026 als Open-Source-Modell zur Verarbeitung langer Dokumente veröffentlicht. Die wichtigste Neuerung ist Sparse Reference Sliding Window Attention (SR-SWA): Statt die Aufmerksamkeit über das gesamte Dokument auszudehnen, arbeitet das Modell mit einer begrenzten Menge visueller und textlicher Referenzen. 3
6
2
Das soll mehrseitiges Dokumentenparsing in einer einzigen Anfrage ermöglichen, ohne dass der aktive Aufmerksamkeitsbereich mit jeder zusätzlichen Seite immer weiter anwächst. Baidus Benchmark- und Geschwindigkeitswerte klingen vielversprechend, sind in den hier verfügbaren Quellen aber nicht unabhängig bestätigt. 1
2
Was sich gegenüber der ersten Version ändert
Die erste Version nutzte Reference Sliding Window Attention (R-SWA). Unlimited OCR 2 setzt stattdessen auf SR-SWA und soll damit auch Dokumente über längere Verarbeitungshorizonte hinweg auswerten können. Laut Projektbeschreibung verdichtet das Verfahren die Text-Bild-Aufmerksamkeitsbeziehungen auf eine feste Zahl von Arbeitsreferenzen – zum Beispiel 512 Tokens. So sollen Rechenaufwand, Speicherbedarf und Latenz pro Dekodierungsschritt mit zunehmender Dokumentlänge annähernd begrenzt bleiben. 6
7
Bei der Auswahl relevanter Inhalte grenzt ein sogenanntes Page Gate den visuellen Referenzbereich auf passende Seiten ein. Ein Token Sieve wählt zusätzlich besonders hoch bewertete Token-Blöcke aus, um weiter zurückliegende visuelle Zusammenhänge einzubeziehen. Das Verfahren soll dabei auch Beziehungen zwischen Seiten berücksichtigen.
In der Praxis können die Seitenbilder der Reihe nach über die Mehrseitenfunktion infer_multi übergeben werden. Laut Hugging-Face-Anleitung verarbeitet das Modell sie in einer Anfrage und kann dabei seitenübergreifenden Kontext nutzen. 5
„Unbegrenzt“ ist dabei als Anspruch zu verstehen, Dokumente mit sehr vielen Seiten trotz begrenztem aktivem Aufmerksamkeitsbereich weiterzuverarbeiten. Es bedeutet nicht, dass jede beliebige Datei fehlerfrei gelesen wird oder die gesamte Verarbeitung unabhängig von der Seitenzahl gleich lange dauert.
Vorführung und von Baidu gemeldete Ergebnisse
Ein verbreitetes Video soll zeigen, wie das Modell alle sieben Harry-Potter-Bände mit mehr als 3.600 Seiten in einem Durchlauf verarbeitet. Die Vorführung illustriert den gedachten Einsatz für sehr lange Dokumente. Die verfügbaren Angaben belegen jedoch weder eine unabhängig geprüfte Erkennungsgenauigkeit noch die vollständige Laufzeit dieses Tests. 2
Für MPDocBench nennt Baidu einen Wert von 84,6, für MarathonDocBench 77,1. MarathonDocBench wurde als Benchmark für das Parsen besonders langer Dokumente eingeführt. Baidu bezeichnet die Ergebnisse als führend; die hier verfügbaren Berichte reichen jedoch nicht aus, um den Vergleich mit konkret benannten Konkurrenzmodellen unabhängig nachzuvollziehen. 1
2
Für den 100-Seiten-Test meldet Baidu eine 7,0-mal schnellere Dekodierung pro Schritt als mit Full Attention und eine 5,6-mal schnellere als mit R-SWA. Diese Zahlen beziehen sich auf einzelne Dekodierungsschritte, nicht auf die Gesamtdauer der Verarbeitung eines kompletten Dokuments. 1
Wo das Modell verfügbar ist
Der Code ist im GitHub-Projekt Unlimited-OCR veröffentlicht. Die Modellgewichte stehen im Hugging-Face-Repository Unlimited-OCR-2 bereit. 3
6
Was die Angaben aussagen – und was nicht
Die technische Kernidee ist klar umrissen: SR-SWA begrenzt die aktiven Aufmerksamkeitsreferenzen, während die Mehrseitenfunktion geordnete Seitenbilder in einer Anfrage verarbeitet. 5
6 Daraus folgt aber nicht automatisch, dass der Speicherbedarf des gesamten Systems oder die Laufzeit vom Einlesen bis zur fertigen Ausgabe konstant bleiben. Dafür müsste die komplette Verarbeitungskette gemessen werden – nicht nur die Dekodierung pro Schritt.
Auch die Benchmarkwerte, die Einordnung als „State of the Art“ und die Geschwindigkeitsvergleiche stammen aus den von Baidu gemeldeten Ergebnissen. Sie geben Hinweise auf die angestrebte Leistung, sollten bis zu unabhängigen Nachtests aber als Herstellerangaben gelten. 1
2
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Baidus Unlimited OCR 2: Wie SR-SWA lange Dokumente verarbeitet“?
Baidu veröffentlichte Unlimited OCR 2 am 27. Oktober 2026.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Baidu veröffentlichte Unlimited OCR 2 am 27. Oktober 2026. Für Dokumente mit 100 Seiten meldet Baidu eine 7,0 mal schnellere schrittweise Dekodierung als mit Full Attention und eine 5,6 mal schnellere als mit dem Vorgänger R SWA.
Was soll ich als nächstes in der Praxis tun?
Code und Modellgewichte stehen über Baidus GitHub Projekt und das Hugging Face Repository bereit.
Quellen
huggingface.coREADME.md · baidu/Unlimited-OCR-2 at main
github.comGitHub - baidu/Unlimited-OCR: Unlimited OCR Works: Welcome the Era of One-shot Long-horizon Parsing.
news.supwil.comOctober 27, 2026 · AI & Tech Daily Digest - Swil-News
ai-all.infoDeep Evaluation of Unlimited OCR 2: Baidu WENXIN's Open-Source End-to-End Long Document Parsing Model - AI Tools Directory