百度於 2026 年 10 月 27 日開源 Unlimited OCR 2，主打一次請求處理多頁、超長文件。新版本的重點是 Sparse Reference Sliding Window Attention（SR-SWA，稀疏參考滑動視窗注意力）：不讓模型對整份文件的所有文字和圖像資訊一律擴大注意力計算，而是把活躍參考範圍壓縮至固定大小，例如 512 個 token。百度表示，這樣可令文件變長時，每一步解碼的延遲和記憶體用量大致維持穩定。 36

要留意，「Unlimited」是指設計上希望能以有限的活躍上下文持續解析長文件，並不等於文件愈長、總處理時間和所有資源都完全不變，更不代表任何文件都一定能準確讀取。

SR-SWA 點樣挑選要看的內容？

可以將 SR-SWA 理解成：模型讀到目前頁面時，不必每次都重新翻查整份文件，而是按需要保留一組精簡的視覺參考。技術資料提到，Page Gate 會先按相關頁面收窄視覺參考範圍，並處理跨頁的位置關係；之後，Token Sieve 會從較遠的內容中挑選得分較高的 token 區塊，補足長距離的視覺線索。

當中的「固定大小」是指活躍參考集合的規模可以受控，例如 512 個 token；它不是說文件只可包含 512 個 token，也不是把所有頁面的內容永久塞進同一個小視窗。模型亦採用 Unlimited-Horizon Decoding，配合釋放不再需要的 KV cache，支援持續解析長文件。 16

模型卡的 infer_multi 用法則是按頁面順序傳入圖片，讓模型在同一次請求中解析多頁，並利用跨頁上下文。 5

成績、速度同示範：目前都係百度公布的數字

百度公布 Unlimited OCR 2 在 MPDocBench 得 84.6 分，在新推出、針對超長文件解析的 MarathonDocBench 得 77.1 分，並稱模型達到領先表現。現有資料未提供足夠的競爭模型及逐項比較細節，亦未見獨立評測重現這些結果。 21

在 100 頁文件設定下，百度報告指每一步解碼速度比 Full Attention 快 7.0 倍，比上一代 Reference Sliding Window Attention（R-SWA）快 5.6 倍。這是解碼步驟的速度比較，唔等於整份文件由頭到尾的總處理時間快相同比例。 1

另外，有流傳示範聲稱模型一次處理了《哈利波特》七集、合共逾 3,600 頁。這可以展示它面向長文件的使用方式，但現有資料未提供經獨立審核的準確度、完整運行時間或硬件配置。 2

程式碼和模型喺邊度下載？

百度的專案程式碼可在 Unlimited-OCR GitHub 儲存庫 查看，模型權重則列於 Unlimited-OCR-2 Hugging Face 頁面。 36

點樣理解「近乎固定」？

SR-SWA 的核心承諾，是限制活躍注意力參考集合，避免每多一頁就令注意力範圍無止境擴張。這有助控制每步解碼的計算和記憶體需求；但要判斷整個系統是否真的能維持固定總記憶體或固定完成時間，仍要連同輸入圖片、前處理、輸出儲存等部分一併測量。 6

因此，現階段較穩妥的看法是：Unlimited OCR 2 提出一套面向超長文件的架構，並公布了基準和速度數字；但這些數字仍是百度報告的結果，讀者宜視為待外部重現的性能主張，而非已獲獨立確認的結論。 12

百度於 2026 年 10 月 27 日開源 Unlimited OCR 2，主打一次請求處理多頁、超長文件。新版本的重點是 Sparse Reference Sliding Window Attention（SR-SWA，稀疏參考滑動視窗注意力）：不讓模型對整份文件的所有文字和圖像資訊一律擴大注意力計算，而是把活躍參考範圍壓縮至固定大小，例如 512 個 token。百度表示，這樣可令文件變長時，每一步解碼的延遲和記憶體用量大致維持穩定。 36

要留意，「Unlimited」是指設計上希望能以有限的活躍上下文持續解析長文件，並不等於文件愈長、總處理時間和所有資源都完全不變，更不代表任何文件都一定能準確讀取。

SR-SWA 點樣挑選要看的內容？

可以將 SR-SWA 理解成：模型讀到目前頁面時，不必每次都重新翻查整份文件，而是按需要保留一組精簡的視覺參考。技術資料提到，Page Gate 會先按相關頁面收窄視覺參考範圍，並處理跨頁的位置關係；之後，Token Sieve 會從較遠的內容中挑選得分較高的 token 區塊，補足長距離的視覺線索。

當中的「固定大小」是指活躍參考集合的規模可以受控，例如 512 個 token；它不是說文件只可包含 512 個 token，也不是把所有頁面的內容永久塞進同一個小視窗。模型亦採用 Unlimited-Horizon Decoding，配合釋放不再需要的 KV cache，支援持續解析長文件。 16

模型卡的 infer_multi 用法則是按頁面順序傳入圖片，讓模型在同一次請求中解析多頁，並利用跨頁上下文。 5

成績、速度同示範：目前都係百度公布的數字

百度公布 Unlimited OCR 2 在 MPDocBench 得 84.6 分，在新推出、針對超長文件解析的 MarathonDocBench 得 77.1 分，並稱模型達到領先表現。現有資料未提供足夠的競爭模型及逐項比較細節，亦未見獨立評測重現這些結果。 21

在 100 頁文件設定下，百度報告指每一步解碼速度比 Full Attention 快 7.0 倍，比上一代 Reference Sliding Window Attention（R-SWA）快 5.6 倍。這是解碼步驟的速度比較，唔等於整份文件由頭到尾的總處理時間快相同比例。 1

另外，有流傳示範聲稱模型一次處理了《哈利波特》七集、合共逾 3,600 頁。這可以展示它面向長文件的使用方式，但現有資料未提供經獨立審核的準確度、完整運行時間或硬件配置。 2

程式碼和模型喺邊度下載？

百度的專案程式碼可在 Unlimited-OCR GitHub 儲存庫 查看，模型權重則列於 Unlimited-OCR-2 Hugging Face 頁面。 36

點樣理解「近乎固定」？

SR-SWA 的核心承諾，是限制活躍注意力參考集合，避免每多一頁就令注意力範圍無止境擴張。這有助控制每步解碼的計算和記憶體需求；但要判斷整個系統是否真的能維持固定總記憶體或固定完成時間，仍要連同輸入圖片、前處理、輸出儲存等部分一併測量。 6

因此，現階段較穩妥的看法是：Unlimited OCR 2 提出一套面向超長文件的架構，並公布了基準和速度數字；但這些數字仍是百度報告的結果，讀者宜視為待外部重現的性能主張，而非已獲獨立確認的結論。 12