10月27日，百度正式发布并开源文心 unlimited ocr 2，首次在全球范围内实现对任意页数文档的端到端解析能力，彻底打破传统ocr数十页的处理上限，迈入“无限页数”新纪元，并在多项核心指标上达到当前最先进水平（sota）。实测结果表明，该模型可一次性精准解析《哈利·波特》全系列共7部作品，总页数逾3600页；即便面对如此超长文本，仍能维持高精度与高效率，标志着文档智能解析正式跨入ocr 3.0时代。
在权威公开基准测试中，文心 Unlimited OCR 2 表现卓越：在面向多页文档理解的 MPDocBench 基准上综合得分为84.6分，在专为百页级超长文档设计的 MarathonDocBench 基准上达77.1分，双双刷新端到端性能纪录，显著优于 Qwen 3.8-Max、Gemini-3.8-Flash、GLM-5.3-Flash、DeepSeek-4.1-Flash 等主流多模态大模型。
☞☞☞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☜☜☜
这一技术跃迁的核心在于其原创性稀疏参考滑动窗口注意力机制（Sparse Reference Sliding Window Attention，SR-SWA）。该机制受人类阅读与抄录行为启发——人在处理书籍时通常聚焦当前页面，仅在需回溯上下文或跨页比对时才定向查阅相关内容，而非机械翻阅整本。
SR-SWA 将此认知逻辑建模为高效计算范式：首先通过页面门控（Page Gate）动态约束每个查询的视觉参考范围至语义相关页面，并显式建模跨页位置关系；随后引入得分最优的视觉 Token 桶（Token Buckets），用以捕获远距离视觉依赖。实测数据显示，在百页文档场景下，SR-SWA 的单步解码速度相较 Full Attention 提升7倍，较上一代 R-SWA 加速5.6倍。
伴随AI深度融入科研、金融、出版等专业领域，长篇研报、整本专著等超长文档的结构化解析需求持续攀升，对OCR提出前所未有的挑战。传统方案多局限于单页识别，多页处理依赖后处理拼接；第一代 Unlimited OCR 引入参考滑动窗口注意力，将连续解析能力拓展至数十页；而本次发布的 Unlimited OCR 2 则进一步攻克超长文档解析中的计算瓶颈——借助 SR-SWA 显著削减冗余视觉计算量，并融合无限视野解码机制（Unlimited-Horizon Decoding），大幅降低显存占用与推理开销，真正实现任意长度文档的原生、连贯、高保真解析，全面引领OCR 3.0演进路径。
Unlimited OCR 系列已赢得全球开源社区高度关注与广泛采用。初代 Unlimited OCR 于6月22日上线后，次日即登顶 GitHub Daily Trending 总榜及 Python 分榜、HuggingFace 全球模型总趋势榜与多模态模型趋势榜，实现四榜同冠；GitHub Star 数量5天突破1万，迅速跻身现象级开源项目行列。截至目前，Hugging Face 平台累计下载量超1000万次，GitHub Star 数达2.85万，并获得图灵奖得主、AI泰斗杨立昆（Yann LeCun）亲自转发推荐。
11月12日，百度世界2026大会将重磅呈现文心 Unlimited OCR 2 的核心技术亮点与行业落地潜力。本届大会以“下一幕，智能组织”为主题，将集中发布百度“芯云模体”全栈AI体系的最新升级成果，助力企业与开发者加速AI规模化应用，驱动智能组织持续进化。
目前，文心 Unlimited OCR 2 的完整代码、预训练模型权重已同步开源至 GitHub 与 Hugging Face，并已在百度智能云平台及百度AI开放平台正式上线，面向所有开发者与企业用户免费开放下载与调用。
文心 Unlimited OCR 2 开源地址：
