百度开源Unlimited OCR 3B模型5天Star破万刷新长文档解析纪录
百度开源3B参数OCR模型UnlimitedOCR，5天GitHubStar破万。引入R-SWA机制实现连续解析长文档，解码阶段KVCache固定。在OmniDocBenchv1 6测试中获93 92%刷新纪录，推理速度比DeepSeekOCR快12 7%至35%。该模型极大提升长文档处理效率。
百度近日正式开源了一款参数量为3B的端到端OCR模型，命名为Unlimited OCR，专为书籍、论文等长文档解析场景而设计。该项目一经上线便迅速引发关注，GitHub和HuggingFace四项趋势榜相继登顶，开源仅5天Star数便突破万颗，其受关注程度可见一斑。
从技术层面来看，该模型实际推理时激活的参数量仅约570M。值得关注的是，它首次引入了Reference Sliding Window Attention机制（简称R-SWA）。这一创新设计有效打破了传统“逐页解析再拼接”的局限，能够一次性连续处理数十页文档，同时在解码阶段保持KV Cache稳定在固定范围内——这意味着显存占用和计算成本不会随着输出长度的增加而同步飙升。
在OmniDocBench v1.6基准测试中，Unlimited OCR取得了93.92%的成绩，直接刷新了榜单纪录。从实际应用场景看，其推理速度比DeepSeek OCR快了约12.7%；当输出长度达到6000Tokens时，这一优势进一步扩大至35%。对于海量文档的数字化处理以及大模型的长程记忆管理而言，这条技术路径的确提供了全新的可能性。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：百度开源Unlimited OCR 3B模型5天Star破万刷新长文档解析纪录要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点GoogleMeet是面向商业与企业的视频会议服务，支持屏幕共享、实时字幕及与GoogleWorkspace集成，适用于项目讨论、网络研讨和线上教学等多种会议场景，具备扎实的安全与隐私保护。
Lanter是Chrome扩展，利用AI将YouTube视频语音转为带时间戳的文字笔记，支持一键抓取高光、自动标点排版、书签管理、全局搜索及每日邮件汇总，方便高效回顾视频关键内容。
一款AI驱动的Chrome扩展音频笔记应用，支持录音自动转文字、标签分类与全文搜索，将语音转化为可检索的数字资产，显著提升信息定位与管理效率。
专为GoogleMeet设计的AIChrome扩展，实时转录会议内容，自动生成摘要并提取行动项与决策，无缝同步至Google文档、任务及Gmail，省去手动整理时间，显著提升协作效率。
- 日榜
- 周榜
- 月榜
热点快看