RespostasPublicado16 fontes
Como o Unlimited OCR 2 tenta processar documentos longos em uma só etapa
Lançado em 27 de outubro de 2026, o Unlimited OCR 2 usa atenção esparsa para processar páginas em sequência numa única solicitação, com referências de trabalho limitadas. A Baidu reporta resultados de 84,6 no MPDocBench e 77,1 no MarathonDocBench, além de decodificação por etapa até 7 vezes mais rápida que a atenção...
Publicado porEditado com GPT-6 LunaImagens geradas com GPT Image 2
Resposta de pesquisa
Principais conclusões
- Lançado em 27 de outubro de 2026, o Unlimited OCR 2 usa atenção esparsa para processar páginas em sequência numa única solicitação, com referências de trabalho limitadas.
- A Baidu reporta resultados de 84,6 no MPDocBench e 77,1 no MarathonDocBench, além de decodificação por etapa até 7 vezes mais rápida que a atenção completa em um teste com 100 páginas.
- Os números e a demonstração com mais de 3.600 páginas são relatos divulgados pela empresa ou por terceiros; as fontes disponíveis não mostram uma validação independente completa.
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
A Baidu lançou o Unlimited OCR 2 em 27 de outubro de 2026. O modelo de código aberto foi desenvolvido para interpretar documentos extensos em uma única solicitação, sem aumentar indefinidamente o conjunto de referências usado em cada etapa. A principal novidade é a Sparse Reference Sliding Window Attention (SR-SWA), um mecanismo que limita as interações entre texto e elementos visuais a um conjunto de trabalho de tamanho fixo. 3
6
Na prática, a proposta é fazer com que o custo de cada etapa de decodificação — em latência e memória de trabalho — varie pouco mesmo quando o documento cresce. Isso não significa que o tempo total para processar um arquivo seja sempre o mesmo, nem garante que qualquer documento será lido sem erros.
O que mudou em relação à primeira versão
A versão anterior usava Reference Sliding Window Attention (R-SWA). No Unlimited OCR 2, a SR-SWA comprime as interações de atenção em um conjunto limitado de referências, que pode ter, por exemplo, 512 tokens. 6
7
O mecanismo também combina dois componentes descritos no material técnico do projeto: o Page Gate, que restringe as referências visuais relevantes às páginas relacionadas à consulta atual, e o Token Sieve, que seleciona blocos de tokens visuais com pontuações mais altas para captar relações distantes no documento.
Para quem usa o modelo, a interface infer_multi recebe as imagens das páginas na ordem do documento e as processa em uma única solicitação, permitindo que o modelo use contexto entre páginas. 5 A Baidu descreve essa estratégia como uma forma de decodificação de horizonte ilimitado: o objetivo é continuar a leitura sem manter uma janela de atenção que cresce página após página.
1
“Ilimitado”, portanto, é uma descrição da abordagem para lidar com documentos muito longos, não uma garantia de tempo total constante, precisão perfeita ou ausência de limites em todos os recursos do sistema.
Resultados divulgados pela Baidu
Segundo relatos sobre o lançamento, o modelo obteve 84,6 pontos no MPDocBench e 77,1 no MarathonDocBench, um benchmark apresentado para avaliar a leitura de documentos ultralongos. A Baidu descreve os resultados como estado da arte; as informações disponíveis, porém, não permitem comparar de forma independente o modelo com concorrentes específicos. 1
2
Em um cenário com documentos de 100 páginas, a empresa também reportou que a decodificação por etapa foi 7 vezes mais rápida que a atenção completa e 5,6 vezes mais rápida que a R-SWA. Esses números dizem respeito a etapas individuais de decodificação — não ao tempo total necessário para processar o documento inteiro. 1
Uma demonstração divulgada teria processado, em uma única execução, os sete livros de Harry Potter, com mais de 3.600 páginas. O exemplo ilustra o tipo de tarefa para o qual o modelo foi projetado, mas as fontes disponíveis não apresentam uma medição independente da precisão ou do tempo total dessa execução. 2
Código e pesos disponíveis
O código do projeto está no repositório Unlimited-OCR no GitHub, e os pesos do modelo podem ser encontrados no Hugging Face. 3
6
O que os números não comprovam
Os resultados de benchmark, a classificação de estado da arte e as comparações de velocidade são dados reportados pela Baidu ou por relatos sobre o lançamento, não avaliações independentes nas fontes citadas aqui. Eles ajudam a entender o desempenho que a empresa pretende alcançar, mas ainda dependem de reprodução externa para confirmação. 1
2
Também é importante separar o custo por etapa do custo total: limitar as referências ativas de atenção não prova, por si só, que toda a memória do sistema ou o tempo de processamento permaneçam constantes à medida que novas páginas são adicionadas.
Studio Global AI
Continue sua pesquisa
Esta página inclui uma resposta baseada na fonte que você pode continuar em Studio Global.
As pessoas também perguntam
Qual é a resposta curta para "Como o Unlimited OCR 2 tenta processar documentos longos em uma só etapa"?
Lançado em 27 de outubro de 2026, o Unlimited OCR 2 usa atenção esparsa para processar páginas em sequência numa única solicitação, com referências de trabalho limitadas.
Quais são os pontos-chave para validar primeiro?
Lançado em 27 de outubro de 2026, o Unlimited OCR 2 usa atenção esparsa para processar páginas em sequência numa única solicitação, com referências de trabalho limitadas. A Baidu reporta resultados de 84,6 no MPDocBench e 77,1 no MarathonDocBench, além de decodificação por etapa até 7 vezes mais rápida que a atenção completa em um teste com 100 páginas.
O que devo fazer a seguir na prática?
Os números e a demonstração com mais de 3.600 páginas são relatos divulgados pela empresa ou por terceiros; as fontes disponíveis não mostram uma validação independente completa.
Fontes
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