AnswersPublished17 sources
Baidu Unlimited OCR 2 ska läsa långa dokument i ett svep
Unlimited OCR 2 släpptes den 27 oktober 2026 och använder SR SWA för att begränsa mängden information modellen aktivt jämför när den tolkar långa dokument. Baidu uppger att modellen i ett test med 100 sidor hade 7,0 gånger snabbare avkodning per steg än full uppmärksamhet och 5,6 gånger snabbare än den tidigare R SW...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Unlimited OCR 2 släpptes den 27 oktober 2026 och använder SR SWA för att begränsa mängden information modellen aktivt jämför när den tolkar långa dokument.
- Baidu uppger att modellen i ett test med 100 sidor hade 7,0 gånger snabbare avkodning per steg än full uppmärksamhet och 5,6 gånger snabbare än den tidigare R SWA metoden.
- Resultaten och hastighetssiffrorna kommer från Baidu och har inte oberoende verifierats i källorna här.
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 släppte Unlimited OCR 2 som öppen källkod den 27 oktober 2026. Modellen är gjord för att tolka långa dokument i en enda förfrågan, med sidorna i ordning och sammanhang mellan dem. Den stora tekniska förändringen är Sparse Reference Sliding Window Attention, förkortat SR-SWA. 3
6
5
OCR står för optisk teckenigenkänning: teknik som läser text i bilder och dokument. Baidu beskriver den nya modellen som mer än ren teckenavläsning – den ska även kunna tolka dokument över många sidor. Men ”utan sidgräns” ska inte förstås som en garanti för felfri läsning eller konstant total körtid.
En begränsad mängd referenser i taget
Den första versionen använde Reference Sliding Window Attention (R-SWA). Unlimited OCR 2 ersätter den med SR-SWA, som enligt projektets dokumentation komprimerar text- och bildbaserad uppmärksamhet till en fast uppsättning aktiva referenser, exempelvis 512 token. Tanken är att hålla beräkningen per avkodningssteg och minnesbehovet nära konstant även när dokumentet blir längre. 6
7
Metoden använder också en sidgrind, Page Gate, för att begränsa vilka sidor som är relevanta för en viss fråga. Därefter väljer Token Sieve ut högt rankade grupper av visuella token från längre bort i dokumentet, så att modellen kan fånga samband mellan sidor.
I Hugging Face-instruktionerna beskrivs funktionen infer_multi: sidbilder matas in i rätt ordning och behandlas i en och samma förfrågan, med möjlighet att använda sammanhang från andra sidor. 5 Baidu beskriver också en avkodningsmetod med obegränsad horisont, där cacheinformation som inte längre behövs kan frigöras.
15
Det är alltså den aktiva uppsättningen referenser som ska hållas begränsad. Det visar inte i sig att hela systemets minnesanvändning eller den totala tiden för att behandla ett dokument förblir oförändrad när fler sidor läggs till.
Baidus resultat och demonstration
En sammanställning av lanseringen uppger att Baidu redovisade poängen 84,6 på MPDocBench och 77,1 på MarathonDocBench, ett nytt test för tolkning av mycket långa dokument. Baidu beskriver resultaten som toppresultat, men materialet här räcker inte för en oberoende jämförelse med namngivna konkurrenter. 2
1
Baidu uppger också att avkodningen per steg i ett test med 100 sidor var 7,0 gånger snabbare än med full uppmärksamhet och 5,6 gånger snabbare än med den tidigare R-SWA-metoden. Det gäller hastigheten per steg – inte den sammanlagda tiden för att tolka ett helt dokument. 1
En video som spridits i samband med lanseringen uppges visa modellen läsa alla sju Harry Potter-böckerna, sammanlagt över 3 600 sidor, i en körning. Demonstrationen illustrerar användningsidén, men källorna här ger inget oberoende granskat mått på träffsäkerheten eller en fullständig mätning av körtiden. 2
Var finns modellen?
Koden finns i Baidus GitHub-projekt Unlimited-OCR, och modellvikterna finns i Unlimited-OCR-2 på Hugging Face. 3
6
Vad siffrorna inte bevisar
SR-SWA är en konkret teknisk lösning för att begränsa mängden aktiva uppmärksamhetsreferenser. Funktionen för flera sidor gör det samtidigt möjligt att skicka in ett helt dokument i en förfrågan. 5
6 Det är inte samma sak som att bevisa konstant total minnesåtgång eller körtid för alla dokument.
Benchmarkresultaten, beskrivningen av modellen som bäst i klassen och hastighetsjämförelserna är rapporterade resultat – inte oberoende utvärderingar i källorna här. De ger en bild av vad Baidu hävdar att modellen klarar, men bör ses som preliminära tills andra kan upprepa testerna. 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 ska läsa långa dokument i ett svep"?
Unlimited OCR 2 släpptes den 27 oktober 2026 och använder SR SWA för att begränsa mängden information modellen aktivt jämför när den tolkar långa dokument.
What are the key points to validate first?
Unlimited OCR 2 släpptes den 27 oktober 2026 och använder SR SWA för att begränsa mängden information modellen aktivt jämför när den tolkar långa dokument. Baidu uppger att modellen i ett test med 100 sidor hade 7,0 gånger snabbare avkodning per steg än full uppmärksamhet och 5,6 gånger snabbare än den tidigare R SWA metoden.
What should I do next in practice?
Resultaten och hastighetssiffrorna kommer från Baidu och har inte oberoende verifierats i källorna här.