AnswersPublished17 sources
Unlimited OCR 2: як Baidu навчив модель працювати з довгими документами
Випущена 27 жовтня 2026 року, Unlimited OCR 2 обробляє сторінки документа в одному запиті й може враховувати контекст між ними. Механізм SR SWA відбирає обмежений набір візуальних посилань — наприклад, 512 токенів — замість роботи з усією послідовністю сторінок.
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- Випущена 27 жовтня 2026 року, Unlimited OCR 2 обробляє сторінки документа в одному запиті й може враховувати контекст між ними.
- Механізм SR SWA відбирає обмежений набір візуальних посилань — наприклад, 512 токенів — замість роботи з усією послідовністю сторінок.
- Baidu повідомляє про прискорення декодування на 100 сторінкових документах і високі результати на двох тестах, однак ці показники не підтверджені незалежною оцінкою в наведених джерелах.
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 випустила у відкритий доступ Unlimited OCR 2 27 жовтня 2026 року. Це модель для розпізнавання й аналізу документів, яка має обробляти багато сторінок одним запитом, а не вимагати окремої обробки кожної. Головна зміна порівняно з першою версією — механізм Sparse Reference Sliding Window Attention (SR-SWA), що обмежує обсяг візуальної інформації, з якою модель працює на кожному кроці. 3
6
Як працює SR-SWA
У звичайному підході обсяг обчислень для уваги може зростати разом із довжиною документа. SR-SWA натомість стискає взаємодію між текстом і зображеннями сторінок до фіксованого набору робочих посилань — наприклад, 512 токенів. Baidu пов’язує це з майже незмінними затримкою декодування на кожному кроці та обсягом робочої пам’яті, навіть коли документ стає довшим. 6
7
Технічний опис моделі уточнює, як відбувається відбір. Спершу Page Gate звужує пошук до сторінок, важливих для поточного фрагмента, водночас враховуючи зв’язки між сторінками. Потім Token Sieve добирає найвищі за оцінкою віддалені блоки візуальних токенів, щоб зберегти потрібну інформацію з інших частин документа.
У режимі infer_multi сторінки передаються в правильному порядку й обробляються одним запитом. Такий режим дає змогу моделі використовувати контекст між сторінками. 5 Baidu також описує підхід як Unlimited-Horizon Decoding: ідея полягає в тому, щоб продовжувати обробку довгого документа, не накопичуючи необмежений обсяг активного контексту.
1
«Необмежена» в назві не означає, що час обробки всього документа не зростає зі збільшенням кількості сторінок або що модель гарантовано правильно розпізнає будь-який матеріал. Заявлена сталість стосується показників на окремому кроці декодування, а не обов’язково повного часу роботи системи.
Результати, про які повідомила Baidu
У зведенні про запуск наведено результати 84,6 бала на MPDocBench і 77,1 бала на MarathonDocBench — тесті для аналізу дуже довгих документів, який Baidu представила разом із моделлю. Компанія називає ці показники найкращими у своєму класі, але доступні тут матеріали не дають змоги незалежно зіставити їх із результатами конкретних конкурентів. 1
2
На 100-сторінкових документах Baidu також заявила про декодування на окремому кроці у 7 разів швидше, ніж із повною увагою, і у 5,6 раза швидше, ніж із механізмом першої версії R-SWA. Це порівняння стосується саме одного кроку декодування, а не загального часу обробки документа від початку до кінця. 1
У поширеній демонстрації модель, за повідомленнями, обробила за один запуск усі сім книжок про Гаррі Поттера — понад 3 600 сторінок. Це показує задуманий сценарій роботи з довгими текстами, але наведені джерела не містять незалежно перевіреної оцінки точності або повного заміру тривалості демонстрації. 2
10
Де знайти модель — і як оцінювати заяви
Код Unlimited OCR доступний у репозиторії Baidu на GitHub, а ваги моделі — на Hugging Face. 3
6
Отже, найважливіша технічна ідея Unlimited OCR 2 — не магічна здатність обробити будь-який документ без обмежень, а контрольований відбір того, на що модель звертає увагу, поки читає багато сторінок. Оцінки бенчмарків, твердження про лідерство та переваги у швидкості наведені як результати Baidu; у cited джерелах немає незалежного відтворення цих вимірювань. Їх варто сприймати як перспективні заяви, що потребують зовнішньої перевірки. 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 "Unlimited OCR 2: як Baidu навчив модель працювати з довгими документами"?
Випущена 27 жовтня 2026 року, Unlimited OCR 2 обробляє сторінки документа в одному запиті й може враховувати контекст між ними.
What are the key points to validate first?
Випущена 27 жовтня 2026 року, Unlimited OCR 2 обробляє сторінки документа в одному запиті й може враховувати контекст між ними. Механізм SR SWA відбирає обмежений набір візуальних посилань — наприклад, 512 токенів — замість роботи з усією послідовністю сторінок.
What should I do next in practice?
Baidu повідомляє про прискорення декодування на 100 сторінкових документах і високі результати на двох тестах, однак ці показники не підтверджені незалежною оцінкою в наведених джерелах.
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.
ai-all.infoDeep Evaluation of Unlimited OCR 2: Baidu WENXIN's Open-Source End-to-End Long Document Parsing Model - AI Tools Directory