AnswersPublished17 sources
Slik skal Baidus Unlimited OCR 2 håndtere svært lange dokumenter
Unlimited OCR 2 ble lansert som åpen kildekode 27. oktober 2026. Baidu oppgir at dekoding per steg i en test med 100 sider var 7,0 ganger raskere enn full attention og 5,6 ganger raskere enn den tidligere R SWA metoden.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Unlimited OCR 2 ble lansert som åpen kildekode 27. oktober 2026.
- Baidu oppgir at dekoding per steg i en test med 100 sider var 7,0 ganger raskere enn full attention og 5,6 ganger raskere enn den tidligere R SWA metoden.
- Både GitHub koden og modellvektene er tilgjengelige fra Baidu prosjektet og Hugging Face.
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 lanserte Unlimited OCR 2 som åpen kildekode 27. oktober 2026. Modellen er laget for å lese lange dokumenter i én forespørsel, i stedet for å behandle hver side isolert. Den sentrale nyheten er Sparse Reference Sliding Window Attention (SR-SWA), som begrenser hvor mange visuelle referanser modellen aktivt bruker under dekoding. 3
6
Det er en løsning på et praktisk problem: Når dokumenter blir lengre, kan det bli stadig mer krevende å beregne oppmerksomhet mellom tekst og innholdet på alle sidene. Baidu sier at SR-SWA gjør det mulig å holde beregningene per steg omtrent stabile etter hvert som dokumentet vokser. Det betyr ikke at all ressursbruk eller den samlede behandlingstiden nødvendigvis er konstant.
Et fast arbeidssett i stedet for stadig mer kontekst
Første versjon av Unlimited OCR brukte Reference Sliding Window Attention (R-SWA). I versjon 2 introduserer Baidu SR-SWA, som komprimerer samspillet mellom tekst og visuelle elementer til et avgrenset sett med arbeidsreferanser – for eksempel 512 tokener. Målet er at dekoderens latenstid per steg og minnebehovet skal holde seg omtrent på samme nivå når dokumentet blir lengre. 6
7
Mekanismen kombinerer flere grep. En «page gate» snevrer inn hvilke sider modellen henter visuelle referanser fra, mens «Token Sieve» velger ut høyt rangerte grupper med fjerne visuelle tokener. Tanken er å beholde relevant informasjon fra andre deler av dokumentet uten å beregne oppmerksomhet over alt innholdet på nytt.
Baidu beskriver også en dekodingsmetode kalt Unlimited-Horizon Decoding, som sammen med SR-SWA skal gjøre det mulig å fortsette gjennom svært lange dokumenter innenfor et begrenset kontekstvindu. 1
15 «Ubegrenset» bør likevel forstås som en beskrivelse av modellens tilnærming til lange dokumenter – ikke som en garanti for feilfri lesing av enhver fil, uansett lengde.
I dokumentasjonen for infer_multi står det at sidene sendes inn i riktig rekkefølge, og at modellen behandler dem i én forespørsel med mulighet for kontekst på tvers av sider. 5
Harry Potter-demo og Baidus testresultater
En demonstrasjon som ble delt i forbindelse med lanseringen, skal ha kjørt alle de sju Harry Potter-bøkene – mer enn 3 600 sider – gjennom modellen i én omgang. Det viser den typen arbeidsflyt Baidu ønsker å støtte, men den tilgjengelige informasjonen gir ikke en uavhengig kontrollert nøyaktighetsscore eller en fullstendig måling av behandlingstiden for demonstrasjonen. 2
Baidu rapporterer en score på 84,6 på MPDocBench og 77,1 på MarathonDocBench, en ny testserie for svært lange dokumenter. Selskapet omtaler resultatene som ledende, men kildene her gir ikke nok sammenlignbare detaljer om navngitte konkurrenter til at påstanden kan vurderes uavhengig. 1
2
3
I en test med 100 sider oppgir Baidu at dekoding per steg var 7,0 ganger raskere enn med full attention og 5,6 ganger raskere enn med den tidligere R-SWA-metoden. Tallene gjelder dekodering per steg – ikke hvor mye raskere det nødvendigvis går å behandle hele dokumentet fra start til slutt. 1
Hvor finnes modellen?
Koden ligger i Baidus Unlimited-OCR-prosjekt på GitHub, mens modellvektene er publisert på Hugging Face. 3
6
Hva resultatene ikke beviser
SR-SWA begrenser det aktive settet med oppmerksomhetsreferanser, og flersidemodusen lar modellen behandle sidene samlet. Det er en konkret teknisk løsning, men ikke i seg selv dokumentasjon på at total minnebruk eller behandlingstid holder seg konstant når flere sider legges til. 5
6
Benchmarkresultatene, fartstallene og påstanden om ledende ytelse er Baidus rapporterte resultater, ikke uavhengige evalueringer i kildene som er gjennomgått her. De gir en pekepinn på hva selskapet hevder at modellen kan gjøre, men bør leses med det forbeholdet. 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 "Slik skal Baidus Unlimited OCR 2 håndtere svært lange dokumenter"?
Unlimited OCR 2 ble lansert som åpen kildekode 27. oktober 2026.
What are the key points to validate first?
Unlimited OCR 2 ble lansert som åpen kildekode 27. oktober 2026. Baidu oppgir at dekoding per steg i en test med 100 sider var 7,0 ganger raskere enn full attention og 5,6 ganger raskere enn den tidligere R SWA metoden.
What should I do next in practice?
Både GitHub koden og modellvektene er tilgjengelige fra Baidu prosjektet og Hugging Face.
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
x.comBaidu AI on X