☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

百度近期正式推出并开源了一款参数量达30亿的端到端OCR模型——Unlimited OCR，专为处理书籍、学术论文等超长文档而设计。项目发布后迅速跃居GitHub与HuggingFace四大热门榜单榜首，仅用5天时间GitHub Star数便突破1万。

在技术实现层面，Unlimited OCR实际推理过程中激活参数约为5.7亿，并首次采用Reference Sliding Window Attention（R-SWA）架构。该机制彻底摆脱传统“单页识别+人工拼接”的流程束缚，支持数十页文档的端到端连续解析；同时将解码阶段的KV缓存严格维持在固定容量，确保显存消耗与计算开销不随输出长度增加而线性攀升。

百度文档解析vlm-parser

调用百度PaddleOCR‑VL大模型API，支持PDF、Word、PPT、图片等多格式文档解析，精准识别印刷体、手写体、表格、公式、图表、印章等复杂元素，支持100+语言，可处理不规则布局和跨页长文档。触发词：文档解析、VLM解析、大模型OCR、PaddleOCR、多模态文档、手写识别、公式识别、复杂版面。

下载

在OmniDocBench v1.6权威评测中，该模型以93.92%的准确率创下新高。在真实应用环境中，其推理效率相较DeepSeek OCR提升约12.7%，当输出长度达到6000 Tokens时，性能优势进一步扩大至35%，为大规模文档数字化及大语言模型的长上下文记忆管理开辟了全新技术路径。