AnswersPublished16 sources
Näin Baidun Unlimited OCR 2 yrittää lukea pitkät dokumentit yhdellä kertaa
Baidu julkaisi Unlimited OCR 2:n 27. lokakuuta 2026. Baidu raportoi 100 sivuisilla dokumenteilla 7,0 kertaisen nopeuden täyden attention menetelmään ja 5,6 kertaisen nopeuden mallin aiempaan R SWA menetelmään verrattuna.
JulkaisijaMuokattu mallilla GPT-6 LunaKuvat luotu mallilla GPT Image 2
Research answer
Key takeaways
- Baidu julkaisi Unlimited OCR 2:n 27. lokakuuta 2026.
- Baidu raportoi 100 sivuisilla dokumenteilla 7,0 kertaisen nopeuden täyden attention menetelmään ja 5,6 kertaisen nopeuden mallin aiempaan R SWA menetelmään verrattuna.
- Yhtiön ilmoittamat vertailutulokset ovat lupaavia, mutta niitä ei ole näissä lähteissä vahvistettu riippumattomasti.
AI 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 julkaisi Unlimited OCR 2:n avoimena mallina 27. lokakuuta 2026. Se on tarkoitettu pitkien dokumenttien lukemiseen ja jäsentämiseen: sivukuvat annetaan mallille järjestyksessä, ja useita sivuja voidaan käsitellä yhdellä pyynnöllä. 3
5
6
Mallin keskeinen uudistus on Sparse Reference Sliding Window Attention (SR-SWA). Sen sijaan, että tekstin ja kuvien välisiä huomiosuhteita kasvatettaisiin koko dokumentin mukana, menetelmä tiivistää ne rajatuksi joukoksi aktiivisia viitteitä. Baidun esimerkissä joukko voi olla 512 tokenin kokoinen. Tavoitteena on pitää yksittäisen dekoodausaskeleen laskenta ja muistin tarve lähes vakiona dokumentin pidentyessä. 6
7
Rajattu huomioalue, sivujen välinen yhteys
SR-SWA:n Page Gate -vaihe rajaa kyselyn visuaalista tarkastelualuetta sivuihin, jotka ovat kyseisen tekstikohdan kannalta olennaisia. Sen jälkeen Token Sieve valitsee kauempana olevista sivuista korkean pistemäärän token-lohkoja, jotta pitkän matkan yhteyksiä voidaan hyödyntää ilman, että koko dokumentti otetaan kerralla aktiiviseen tarkasteluun. Nämä menetelmän yksityiskohdat on kuvattu mallin teknisessä tutkimusartikkelissa.
Hugging Facen ohjeiden mukaan infer_multi-toiminnolle annetaan sivukuvat oikeassa järjestyksessä. Malli käsittelee ne samassa pyynnössä ja voi hyödyntää sivujen välistä asiayhteyttä. 5 Baidu kuvaa kokonaisuutta Unlimited-Horizon Decoding -menetelmäksi: tarkoituksena on jatkaa dokumentin käsittelyä rajatussa aktiivisessa kontekstissa.
1
Sana ”rajaton” ei kuitenkaan tarkoita, että mikä tahansa dokumentti luettaisiin virheettä tai että koko käsittelyn aika ja resurssit pysyisivät samoina sivumäärästä riippumatta. Lähteissä kuvattu lähes vakio koskee dekoodausaskelta ja sen aktiivista muistia, ei automaattisesti koko käsittelyprosessia.
Mitä tuloksista raportoidaan?
Baidu ilmoittaa saaneensa MPDocBench-testissä tuloksen 84,6 ja uudessa, erittäin pitkien dokumenttien käsittelyyn tarkoitetussa MarathonDocBench-testissä tuloksen 77,1. Yhtiö kuvailee tuloksia alan kärkitasoisiksi. Käytettävissä olevat lähteet eivät kuitenkaan anna riittävästi tietoa, jotta tuloksia voisi tässä verrata itsenäisesti nimettyjen kilpailijoiden suorituksiin. 1
2
Baidu raportoi 100-sivuisilla dokumenteilla dekoodausaskeleen olleen 7,0 kertaa nopeampi kuin täyttä attention-menetelmää käytettäessä ja 5,6 kertaa nopeampi kuin aiemmalla Reference Sliding Window Attentionilla (R-SWA). Kyse on yksittäisen askeleen nopeudesta, ei osoituksesta, että koko dokumentti käsiteltäisiin vastaavasti nopeammin. 1
Julkaisuun liittyvässä esittelyssä mallin kerrotaan käsitelleen kaikki seitsemän Harry Potter -kirjaa, yhteensä yli 3 600 sivua, yhdellä ajokerralla. Esimerkki havainnollistaa pitkien aineistojen käsittelyä, mutta lähteissä ei esitetä siitä riippumattomasti tarkistettua tarkkuusarviota tai kattavaa kokonaiskestoa. 2
Koodi ja mallipainot saatavilla verkossa
Projektin koodi on julkaistu Baidun GitHub-repositoriossa, ja mallipainot löytyvät Unlimited-OCR-2-sivulta Hugging Facessa. 3
6
Tuloksiin kannattaa suhtautua varauksella
SR-SWA:n suunnitteluperiaate on selkeä: aktiivinen huomio rajataan pieneen viitejoukkoon ja monisivuiset dokumentit voidaan antaa käsiteltäväksi yhdessä pyynnössä. 5
6 Tämä ei yksin todista, että koko järjestelmän muistinkäyttö tai käsittelyaika pysyisi vakiona sivujen lisääntyessä.
Vertailupisteet, nopeusluvut ja väite kärkitasoisista tuloksista ovat Baidun raportoimia tuloksia, eivät näissä lähteissä riippumattomasti toistettuja arvioita. Ne kertovat yhtiön tavoittelemasta suorituskyvystä, mutta vahvistus edellyttäisi ulkopuolista arviointia. 1
2
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Näin Baidun Unlimited OCR 2 yrittää lukea pitkät dokumentit yhdellä kertaa"?
Baidu julkaisi Unlimited OCR 2:n 27. lokakuuta 2026.
What are the key points to validate first?
Baidu julkaisi Unlimited OCR 2:n 27. lokakuuta 2026. Baidu raportoi 100 sivuisilla dokumenteilla 7,0 kertaisen nopeuden täyden attention menetelmään ja 5,6 kertaisen nopeuden mallin aiempaan R SWA menetelmään verrattuna.
What should I do next in practice?
Yhtiön ilmoittamat vertailutulokset ovat lupaavia, mutta niitä ei ole näissä lähteissä vahvistettu riippumattomasti.
Sources
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.
ai-all.infoDeep Evaluation of Unlimited OCR 2: Baidu WENXIN's Open-Source End-to-End Long Document Parsing Model - AI Tools Directory