AnswersPublished17 sources
Baidu Unlimited OCR 2, uzun belgeleri tek seferde okumayı nasıl hedefliyor?
27 Ekim 2026’da açık kaynak olarak yayımlanan Unlimited OCR 2, çok sayfalı belgeleri tek istekte işlemeyi hedefliyor. SR SWA, aktif dikkat referanslarını örneğin 512 tokenlık sabit bir kümeyle sınırlandırıyor; Baidu bunun uzun belgelerde adım başına gecikme ve bellek kullanımını yaklaşık sabit tutmaya yardımcı olduğ...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- 27 Ekim 2026’da açık kaynak olarak yayımlanan Unlimited OCR 2, çok sayfalı belgeleri tek istekte işlemeyi hedefliyor.
- SR SWA, aktif dikkat referanslarını örneğin 512 tokenlık sabit bir kümeyle sınırlandırıyor; Baidu bunun uzun belgelerde adım başına gecikme ve bellek kullanımını yaklaşık sabit tutmaya yardımcı olduğunu söylüyor.
- Baidu, 100 sayfalık belgelerde adım başına çözümlemenin tam dikkatten 7,0 kat, önceki R SWA yönteminden 5,6 kat hızlı olduğunu bildiriyor; bu sonuçlar bağımsız değerlendirme değil.
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, Unlimited OCR 2’yi 27 Ekim 2026’da açık kaynaklı bir belge çözümleme modeli olarak yayımladı. Modelin temel yeniliği, uzun belgelerde metin ile görsel içerik arasındaki dikkati tüm sayfalara yaymak yerine sınırlı bir referans kümesi üzerinden yürütmeyi amaçlayan Sparse Reference Sliding Window Attention (SR-SWA). Baidu’nun açıkladığı sonuçlar dikkat çekici; ancak bunlar bağımsız testlerle doğrulanmış bulgular değil, şirketin paylaştığı performans iddiaları. 3
6
2
SR-SWA neyi değiştiriyor?
İlk Unlimited OCR sürümünde Reference Sliding Window Attention (R-SWA) kullanılıyordu. İkinci sürümdeki SR-SWA ise çok uzun bir belge boyunca metin-görsel dikkat etkileşimlerini, örneğin 512 tokenlık sabit bir çalışma referansı kümesine, sıkıştırmayı hedefliyor. Projeye göre bu yaklaşım, belge uzadıkça her çözümleme adımının gecikmesini ve bellek ihtiyacını yaklaşık sabit tutabiliyor. 6
7
Teknik açıklamaya göre Page Gate, modelin o anda işlediği sayfayla ilişkili görsel referanslara odaklanmasına yardımcı oluyor ve sayfalar arasındaki konumsal ilişkileri hesaba katıyor. Token Sieve ise uzun menzilli bağlantıları yakalamak için yüksek puan alan uzak görsel-token gruplarını seçiyor.
Modelin infer_multi arayüzü, sayfa görsellerini sırasıyla tek bir istekte vererek belgenin tamamını işlemeye ve sayfalar arası bağlamdan yararlanmaya imkân tanıyor. Baidu ayrıca artık gerekli olmayan KV önbelleklerinin serbest bırakıldığı bir “Unlimited-Horizon Decoding” yaklaşımını tanımlıyor. 5
15
Buradaki “sınırsız” ifadesini, belgenin sayfa sayısı arttıkça aktif dikkat bağlamını büyütmeden işlemeyi sürdürme hedefi olarak anlamak daha doğru. Bu, toplam işlem süresinin sayfa sayısından bağımsız olduğu ya da modelin her belgeyi hatasız okuyacağı anlamına gelmiyor.
Test sonuçları ve hız iddiaları
Baidu’nun paylaştığı sonuçlar, MPDocBench’te 84,6, şirketin ultra uzun belgeler için tanıttığı MarathonDocBench’te 77,1 puan. Baidu bu performansı iki kıyaslamada da en iyi sonuç olarak nitelendiriyor; ancak eldeki kaynaklar, rakip modellerin skorlarını ve karşılaştırma koşullarını bağımsız biçimde değerlendirmeye yetecek ayrıntıyı sunmuyor. 1
2
Baidu, 100 sayfalık bir senaryoda adım başına çözümlemenin tam dikkatten 7,0 kat, ilk sürümdeki R-SWA’dan ise 5,6 kat hızlı olduğunu bildiriyor. Bu oranlar tek tek çözümleme adımları için verilmiş; belgenin tamamını işleme süresinin aynı ölçüde kısaldığını göstermiyor. 1
Paylaşılan bir gösterimde modelin yedi Harry Potter kitabını, toplamda 3.600’den fazla sayfayı, tek çalıştırmada işlediği aktarılıyor. Bu, modelin uzun belge senaryosunu nasıl hedeflediğini gösteriyor; ancak gösterim için bağımsız olarak denetlenmiş bir doğruluk puanı ya da tam işlem süresi mevcut kaynaklarda yer almıyor. 2
Model nereden edinilebilir?
Projenin kodu Unlimited-OCR GitHub deposunda, model ağırlıkları ise Hugging Face’teki Unlimited-OCR-2 deposunda bulunuyor. 3
6
Sonuçları nasıl değerlendirmeli?
SR-SWA’nın temel iddiası, belge uzadıkça tüm içeriği aktif dikkat hesabına taşımak yerine çalışma referanslarını sınırlamak. Çok sayfalı çıkarım da sayfa görsellerinin tek istekte işlenmesini ve sayfalar arası bağlamın kullanılmasını sağlıyor. 5
6 Bu tasarım, tek başına toplam sistem belleğinin ya da belgenin baştan sona işlenme süresinin sabit kalacağını kanıtlamıyor; bunları değerlendirmek için tüm iş akışını ölçmek gerekir.
Kıyaslama puanları, hız karşılaştırmaları ve “en iyi sonuç” nitelemesi şu aşamada Baidu’nun bildirdiği sonuçlar olarak ele alınmalı. Dışarıdan tekrar edilip doğrulanana kadar, bunlar modelin potansiyeline dair işaretler sunuyor; bağımsız performans kanıtı oluşturmuyor. 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, uzun belgeleri tek seferde okumayı nasıl hedefliyor?"?
27 Ekim 2026’da açık kaynak olarak yayımlanan Unlimited OCR 2, çok sayfalı belgeleri tek istekte işlemeyi hedefliyor.
What are the key points to validate first?
27 Ekim 2026’da açık kaynak olarak yayımlanan Unlimited OCR 2, çok sayfalı belgeleri tek istekte işlemeyi hedefliyor. SR SWA, aktif dikkat referanslarını örneğin 512 tokenlık sabit bir kümeyle sınırlandırıyor; Baidu bunun uzun belgelerde adım başına gecikme ve bellek kullanımını yaklaşık sabit tutmaya yardımcı olduğunu söylüyor.
What should I do next in practice?
Baidu, 100 sayfalık belgelerde adım başına çözümlemenin tam dikkatten 7,0 kat, önceki R SWA yönteminden 5,6 kat hızlı olduğunu bildiriyor; bu sonuçlar bağımsız değerlendirme değil.
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