百度开源文心 Unlimited OCR 2：称实现任意页数文档解析，自报百页级基准测试领先
百度发布并开源文心 Unlimited OCR 2，引入稀疏参考滑动窗口注意力机制，宣称可一次性解析数千页文档并在多项基准测试中达到 SOTA。
10月27日，百度发布并开源了文心 Unlimited OCR 2。这是一款针对超长文档解析优化的光学字符识别模型，百度称其在全球范围内首次实现了“任意页数”的文档解析能力，将处理上限从数十页推向无限。
据百度介绍，这一突破得益于新提出的稀疏参考滑动窗口注意力机制（SR-SWA）。该机制借鉴人类阅读习惯，通过页面门控缩小视觉参考范围，并结合无限解码机制，显著降低了长文档解析的计算与显存开销。实测显示，该模型能一次性解析《哈利·波特》全系列超过3600页的内容。
在公开基准测试方面，百度自报文心 Unlimited OCR 2 在 MPDocBench 和 MarathonDocBench 上的综合得分分别为84.6分和77.1分，声称达到端到端性能 SOTA，大幅领先 Qwen 3.8-Max、Gemini-3.8-Flash 等主流模型。目前，代码和模型权重已同步开源至 GitHub 和 Hugging Face，采用 MIT 许可证。