ОтветыОпубликовано16 источники
Как Unlimited OCR 2 справляется с документами на тысячи страниц
Выпущенная 27 октября 2026 года Unlimited OCR 2 использует SR SWA: механизм ограничивает набор активных ссылок внимания и позволяет разбирать несколько страниц за один запрос. Baidu сообщает, что в тесте на 100 страниц декодирование на каждом шаге было в 7 раз быстрее полного внимания и в 5,6 раза быстрее прежнего R...
ОпубликовалОтредактировано с помощью GPT-6 LunaИзображения созданы с помощью GPT Image 2
Ответ на исследование
Ключевые выводы
- Выпущенная 27 октября 2026 года Unlimited OCR 2 использует SR SWA: механизм ограничивает набор активных ссылок внимания и позволяет разбирать несколько страниц за один запрос.
- Baidu сообщает, что в тесте на 100 страниц декодирование на каждом шаге было в 7 раз быстрее полного внимания и в 5,6 раза быстрее прежнего R SWA.
- Компания также заявила результаты 84,6 на MPDocBench и 77,1 на MarathonDocBench; независимое подтверждение этих показателей в доступных источниках не приводится.
Промпт ИИ
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 выпустила Unlimited OCR 2 — открытую модель для разбора длинных документов — 27 октября 2026 года. Её главное новшество — Sparse Reference Sliding Window Attention (SR-SWA): вместо того чтобы расширять область внимания по мере добавления страниц, модель работает с ограниченным набором визуальных и текстовых ориентиров. 3
6
2
Заявленные результаты выглядят многообещающе, но их важно воспринимать как данные и оценки Baidu, а не как независимо подтверждённые выводы. 1
2
Что изменилось в Unlimited OCR 2
В первой версии использовался механизм Reference Sliding Window Attention (R-SWA). Во второй его сменил SR-SWA, рассчитанный на разбор документов с большим числом страниц. Согласно описанию проекта, механизм сжимает взаимодействия между текстом и изображениями до фиксированного набора рабочих ориентиров — например, до 512 токенов. Цель — удерживать задержку декодирования на каждом шаге и объём рабочей памяти примерно на одном уровне по мере роста документа. 6
7
В описании технической схемы Baidu говорится о двух этапах отбора. Page Gate сужает поиск визуальной информации до страниц, релевантных текущему фрагменту, а Token Sieve выбирает наиболее значимые удалённые группы визуальных токенов, чтобы учитывать связи между частями документа.
Многостраничный режим infer_multi принимает изображения страниц по порядку и обрабатывает их в одном запросе, сохраняя контекст между страницами. 5 Baidu также описывает Unlimited OCR 2 как модель с декодированием на неограниченном горизонте.
1
Слово «без ограничений» здесь не означает, что время обработки или все ресурсы остаются неизменными при добавлении страниц. Речь идёт об ограниченном активном наборе ориентиров и заявленной стабильности затрат на отдельный шаг, а не о гарантии одинаковой скорости всей обработки или безошибочного распознавания любого документа.
Заявленные результаты и демонстрация
В сообщениях о запуске указаны результаты 84,6 на MPDocBench и 77,1 на MarathonDocBench — новом тесте для разбора очень длинных документов. Baidu называет показатели передовыми, однако в доступных материалах недостаточно данных для независимого сопоставления с конкретными конкурентами. 2
1
Для документов объёмом 100 страниц компания сообщает о декодировании на одном шаге в 7,0 раза быстрее полного внимания и в 5,6 раза быстрее R-SWA. Эти цифры относятся к отдельным шагам декодирования, а не к полному времени обработки документа от начала до конца. 1
В распространявшейся демонстрации модель, как сообщается, обработала за один запуск все семь книг о Гарри Поттере — более 3 600 страниц. Это показывает задуманный сценарий работы с очень длинным документом, но доступные источники не подтверждают независимую оценку точности или полное время выполнения этого запуска. 2
Где найти модель
Код проекта опубликован в репозитории Unlimited-OCR на GitHub, а веса модели доступны в репозитории Unlimited-OCR-2 на Hugging Face. 3
6
Что именно подтверждают заявления Baidu
Ключевая идея SR-SWA — ограничить набор активных ссылок внимания, а многостраничный режим позволяет передать упорядоченные изображения страниц одним запросом. 5
6 Это само по себе не доказывает, что общий расход памяти или полное время работы не растут с числом страниц: для этого нужно оценивать весь процесс, а не только отдельный шаг декодирования.
Оценки на бенчмарках, заявления о лидерстве и сравнения скорости приводятся как результаты Baidu. Они дают представление о заявленной производительности модели, но требуют независимого воспроизведения. 1
2
Studio Global AI
Продолжайте свое исследование
На этой странице есть ответ, подтвержденный источником, который вы можете продолжить внутри Studio Global.
Люди также спрашивают
Каков краткий ответ на вопрос «Как Unlimited OCR 2 справляется с документами на тысячи страниц»?
Выпущенная 27 октября 2026 года Unlimited OCR 2 использует SR SWA: механизм ограничивает набор активных ссылок внимания и позволяет разбирать несколько страниц за один запрос.
Какие ключевые моменты необходимо проверить в первую очередь?
Выпущенная 27 октября 2026 года Unlimited OCR 2 использует SR SWA: механизм ограничивает набор активных ссылок внимания и позволяет разбирать несколько страниц за один запрос. Baidu сообщает, что в тесте на 100 страниц декодирование на каждом шаге было в 7 раз быстрее полного внимания и в 5,6 раза быстрее прежнего R SWA.
Что мне делать дальше на практике?
Компания также заявила результаты 84,6 на MPDocBench и 77,1 на MarathonDocBench; независимое подтверждение этих показателей в доступных источниках не приводится.
Источники
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
ai-all.infoDeep Evaluation of Unlimited OCR 2: Baidu WENXIN's Open-Source End-to-End Long Document Parsing Model - AI Tools Directory