RespuestasPublicado17 fuentes
Unlimited OCR 2: cómo Baidu busca documentos largos con menos atención
Baidu publicó Unlimited OCR 2 el 27 de octubre de 2026. Su mecanismo SR SWA mantiene acotado el conjunto de referencias de atención mientras procesa documentos de varias páginas.
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Baidu publicó Unlimited OCR 2 el 27 de octubre de 2026. Su mecanismo SR SWA mantiene acotado el conjunto de referencias de atención mientras procesa documentos de varias páginas.
- La empresa reporta puntuaciones de 84,6 en MPDocBench y 77,1 en MarathonDocBench, además de una decodificación por paso hasta 7,0 veces más rápida que la atención completa en una prueba de 100 páginas.
- El código está en GitHub y los pesos del modelo, en Hugging Face. Las cifras y comparaciones citadas son resultados reportados, no una validación independiente.
Prompt de IA
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 publicó Unlimited OCR 2 el 27 de octubre de 2026 como un modelo de código abierto para analizar documentos extensos en una sola solicitud. Su principal novedad es Sparse Reference Sliding Window Attention (SR-SWA): en vez de ampliar la atención a medida que se agregan páginas, el sistema trabaja con un conjunto acotado de referencias. 3
6
La idea apunta a contener la latencia y la memoria de cada paso de decodificación, incluso cuando el documento crece. Pero «ilimitado» no significa que el tiempo total de procesamiento no aumente con cada página ni que el modelo pueda leer cualquier documento sin errores.
Qué aporta SR-SWA
La primera versión de Unlimited OCR usaba Reference Sliding Window Attention (R-SWA). La versión 2 introduce SR-SWA, que comprime las interacciones entre texto e imagen en un conjunto fijo de referencias de trabajo; el proyecto da como ejemplo 512 tokens. 6
7
El mecanismo combina dos ideas descritas por Baidu: Page Gate acota las referencias visuales a las páginas pertinentes y Token Sieve selecciona los grupos de tokens visuales remotos con puntuaciones más altas para recuperar información a distancia. El objetivo es conservar contexto entre páginas sin atender por igual a todo el documento.
En la práctica, la función infer_multi recibe las imágenes de las páginas en orden y las procesa en una sola solicitud, con contexto entre páginas. Baidu también describe un método de decodificación de horizonte ilimitado, que libera cachés KV que ya no hacen falta durante el proceso. 5
15
Resultados reportados y una demostración extensa
Según los resultados difundidos por Baidu, Unlimited OCR 2 obtuvo 84,6 puntos en MPDocBench y 77,1 en MarathonDocBench, una prueba nueva para el análisis de documentos muy extensos. La empresa presenta esas cifras como resultados de vanguardia; las fuentes disponibles no ofrecen aquí una comparación independiente y detallada con modelos competidores. 1
2
Para documentos de 100 páginas, Baidu reporta que la decodificación por paso fue 7,0 veces más rápida que con atención completa y 5,6 veces más rápida que con R-SWA. Son cifras por paso, no una medición de cuánto tarda en total analizar un documento entero. 1
También circuló una demostración en la que el modelo habría procesado de una vez los siete libros de Harry Potter, con más de 3.600 páginas. Sirve para ilustrar el tipo de tarea que busca abordar, pero la información disponible no aporta una auditoría independiente de la precisión ni una medición completa del tiempo de ejecución. 2
Dónde encontrarlo y qué falta comprobar
El código del proyecto está disponible en el repositorio de Unlimited-OCR en GitHub, y los pesos del modelo, en Hugging Face. 3
6
SR-SWA limita el conjunto activo de referencias y la inferencia multipágina permite procesar imágenes ordenadas en una misma solicitud. Eso no demuestra, por sí solo, que la memoria total o el tiempo de principio a fin permanezcan constantes: para saberlo habría que medir el sistema completo, no solo la atención o la velocidad por paso. 5
6
Las puntuaciones, las comparaciones de velocidad y la descripción de rendimiento de vanguardia son resultados difundidos por Baidu, no evaluaciones independientes en las fuentes citadas. Son indicios de lo que la empresa busca conseguir, pero conviene tomarlos como afirmaciones pendientes de reproducción externa. 1
2
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "Unlimited OCR 2: cómo Baidu busca documentos largos con menos atención"?
Baidu publicó Unlimited OCR 2 el 27 de octubre de 2026. Su mecanismo SR SWA mantiene acotado el conjunto de referencias de atención mientras procesa documentos de varias páginas.
¿Cuáles son los puntos clave a validar primero?
Baidu publicó Unlimited OCR 2 el 27 de octubre de 2026. Su mecanismo SR SWA mantiene acotado el conjunto de referencias de atención mientras procesa documentos de varias páginas. La empresa reporta puntuaciones de 84,6 en MPDocBench y 77,1 en MarathonDocBench, además de una decodificación por paso hasta 7,0 veces más rápida que la atención completa en una prueba de 100 páginas.
¿Qué debo hacer a continuación en la práctica?
El código está en GitHub y los pesos del modelo, en Hugging Face. Las cifras y comparaciones citadas son resultados reportados, no una validación independiente.