AnswersPublished16 sources
Baidu Unlimited OCR 2 ma czytać dokumenty bez końca. Jak działa SR-SWA?
Wydany 27 października 2026 r. Unlimited OCR 2 wykorzystuje SR SWA, by ograniczać zbiór aktywnych odniesień podczas analizy wielu stron w jednym żądaniu.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Wydany 27 października 2026 r. Unlimited OCR 2 wykorzystuje SR SWA, by ograniczać zbiór aktywnych odniesień podczas analizy wielu stron w jednym żądaniu.
- Baidu raportuje, że w teście obejmującym 100 stron dekodowanie na pojedynczy krok było 7 razy szybsze niż przy pełnej atencji i 5,6 raza szybsze niż w poprzednim modelu.
- Wyniki benchmarków i porównania szybkości pochodzą z deklaracji Baidu. Kod i wagi modelu są dostępne w repozytoriach GitHub i 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 udostępniło Unlimited OCR 2 jako model open source do analizy długich dokumentów w jednym żądaniu. Najważniejszą zmianą jest Sparse Reference Sliding Window Attention (SR-SWA): zamiast obliczać atencję względem całego dokumentu, model ma korzystać z ograniczonego zestawu roboczych odniesień. Baidu podaje obiecujące wyniki testów i pomiarów szybkości, ale są to deklaracje firmy, a nie niezależna ocena. 3
6
2
Co nowego w Unlimited OCR 2?
Pierwsza wersja korzystała z Reference Sliding Window Attention (R-SWA). W drugiej Baidu wprowadziło SR-SWA, zaprojektowane z myślą o analizowaniu dokumentów obejmujących znacznie więcej stron. Mechanizm ma zawężać zakres odniesień wizualnych do istotnych stron, a następnie wybierać wysoko ocenione bloki tokenów, by uchwycić zależności między odległymi fragmentami.
Projekt opisuje ten proces jako kompresję interakcji między tekstem a obrazem do stałego zestawu roboczych odniesień — na przykład 512 tokenów. Ma to ograniczać obliczenia i utrzymywać opóźnienie dekodowania na pojedynczy krok oraz użycie pamięci na podobnym poziomie w miarę wydłużania dokumentu. 6
7
W praktyce model może otrzymać obrazy stron w odpowiedniej kolejności i analizować je wspólnie w ramach jednego żądania, korzystając z kontekstu między stronami. 5 Określenie „bez ograniczeń” odnosi się do założenia, że model może kontynuować analizę bez stale rosnącego aktywnego kontekstu. Nie oznacza jednak, że całkowity czas przetwarzania ani wszystkie zasoby pozostają niezmienne, gdy przybywa stron — ani że model bezbłędnie odczyta każdy dokument.
Jakie wyniki podaje Baidu?
Według doniesień dotyczących premiery Unlimited OCR 2 uzyskał 84,6 punktu w MPDocBench oraz 77,1 punktu w MarathonDocBench, nowym benchmarku przeznaczonym do oceny analizy bardzo długich dokumentów. Baidu określa te wyniki jako najlepsze w swojej kategorii, ale dostępne informacje nie pozwalają na niezależne porównanie ich z rezultatami konkretnych konkurencyjnych modeli. 2
1
Baidu raportuje również, że przy dokumencie liczącym 100 stron dekodowanie na pojedynczy krok było 7 razy szybsze niż przy pełnej atencji i 5,6 raza szybsze niż w R-SWA, mechanizmie z pierwszej wersji. To porównanie dotyczy pojedynczych kroków dekodowania, a nie czasu potrzebnego na przetworzenie całego dokumentu. 1
W rozpowszechnionej demonstracji model miał przetworzyć wszystkie siedem tomów serii Harry Potter — łącznie ponad 3600 stron — podczas jednego przebiegu. Pokazuje to zamierzony sposób pracy z bardzo długim materiałem, ale dostępne źródła nie podają niezależnie zweryfikowanej oceny dokładności ani pełnego pomiaru czasu tej demonstracji. 2
Gdzie znaleźć model?
Kod projektu jest dostępny w repozytorium Unlimited-OCR na GitHubie, a wagi modelu — w repozytorium Unlimited-OCR-2 w Hugging Face. 3
6
Jak czytać te deklaracje?
Główne założenie techniczne jest konkretne: SR-SWA ogranicza aktywny zbiór odniesień, a tryb wielostronicowy pozwala przekazać uporządkowane obrazy stron w jednym żądaniu. 5
6 Nie jest to jednak samo w sobie dowodem na stałe zużycie pamięci ani niezmienny czas przetwarzania całego zadania — do takich wniosków trzeba byłoby zmierzyć działanie całego systemu, a nie tylko dekodowanie na pojedynczy krok.
Podane wyniki benchmarków, określenie „najlepszy w swojej kategorii” i porównania szybkości to rezultaty raportowane przez Baidu. Są wskazówką, jak producent ocenia model, ale wymagają niezależnego odtworzenia, zanim będzie można traktować je jako potwierdzone porównanie. 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 "Baidu Unlimited OCR 2 ma czytać dokumenty bez końca. Jak działa SR-SWA?"?
Wydany 27 października 2026 r. Unlimited OCR 2 wykorzystuje SR SWA, by ograniczać zbiór aktywnych odniesień podczas analizy wielu stron w jednym żądaniu.
What are the key points to validate first?
Wydany 27 października 2026 r. Unlimited OCR 2 wykorzystuje SR SWA, by ograniczać zbiór aktywnych odniesień podczas analizy wielu stron w jednym żądaniu. Baidu raportuje, że w teście obejmującym 100 stron dekodowanie na pojedynczy krok było 7 razy szybsze niż przy pełnej atencji i 5,6 raza szybsze niż w poprzednim modelu.
What should I do next in practice?
Wyniki benchmarków i porównania szybkości pochodzą z deklaracji Baidu. Kod i wagi modelu są dostępne w repozytoriach GitHub i 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.
news.supwil.comOctober 27, 2026 · AI & Tech Daily Digest - Swil-News