Baidu Open-Sources ERNIE Unlimited OCR 2, Supporting Document Parsing of Any Page Count
English text is being prepared.
Baidu has released and open-sourced ERNIE Unlimited OCR 2, claiming it is the first to achieve document parsing of any page count; in testing, it parsed all 7 books of the Harry Potter series in a single pass, totaling more than 3,600 pages. The model achieved overall scores of 84.6 and 77.1 on MPDocBench and MarathonDocBench, respectively. It adopts the Sparse Reference Sliding Window Attention (SR-SWA) mechanism, and in hundred-page document scenarios, its single-step decoding speed is 7 times and 5.6 times faster than Full Attention and the previous-generation R-SWA, respectively. The code and model weights have been open-sourced on GitHub and Hugging Face, and the model is also available on the Baidu AI Cloud platform and the Baidu AI Open Platform.
Why read this
AI score 72
The original text provides benchmark scores for ultra-long document parsing and details of the sparse attention mechanism, which can be used to assess the engineering trade-offs of long-document OCR.
Topics
Body
10月27日，百度发布并开源文心 Unlimited OCR 2，全球首次实现任意页数文档解析，将 OCR 的处理上限从数十页推向“无限”，并达到最先进水平（SOTA）。实测显示，该模型能够一次性解析《哈利·波特》全系列 7 部作品，累计超过 3600 页，在文档长度大幅增加的情况下，依然保持较高的精度和处理效率，推动文档解析技术迈向OCR 3.0时代。
公开基准测试显示，在面向多页文档解析的 MPDocBench，以及专门评估百页级超长文档解析能力的 MarathonDocBench 上，文心 Unlimited OCR 2 的综合得分分别为 84.6分和 77.1分，达到端到端性能SOTA，大幅领先 Qwen 3.8-Max、Gemini-3.8-Flash、GLM-5.3-Flash、DeepSeek-4.1-Flash等模型。
这一突破得益于文心 Unlimited OCR 2 所提出的稀疏参考滑动窗口注意力机制（Sparse Reference Sliding Window Attention，SR-SWA）。该机制借鉴了人类抄录书籍的过程——通常专注于当前页面，只有在需要核对前文或查找跨页信息时，才会回看相关内容，而非反复翻阅整本书的内容。
SR-SWA 将该思路引入模型的注意力计算中。具体而言，页面门控（Page Gate）先把每个查询的视觉参考范围从整个文档缩小到相关页面，同时建模跨页的位置关系；随后引入得分最高的视觉 Token 桶（Token Buckets），以捕捉长距离视觉依赖关系。报告测试显示，在百页文档场景中，SR-SWA 的单步解码速度相比 Full Attention 和上一代 R-SWA 分别提升7倍和5.6倍。
随着 AI 技术的发展，长篇研报、整本书籍等超长文档的解析需求日益增长，对 OCR 技术提出了全新挑战。传统 OCR 的解析范围多局限于单页，多页解析通常依赖于结果拼接；第一代 Unlimited OCR 通过引入参考滑动窗口注意力机制，将解析范围拓展至连续数十页；而此次发布的 Unlimited OCR 2 则进一步突破了超长文档解析的计算瓶颈，通过SR-SWA减少冗余视觉信息计算，结合无限解码机制（Unlimited-Horizon Decoding）降低超长文档解析的计算与显存开销，推动文档解析技术迈向OCR 3.0时代，实现了真正意义上的任意页数文档解析。
Unlimited OCR 项目已经获得全球开源社区广泛认可。第一代 Unlimited OCR 于6月22日正式发布后，次日即登顶 GitHub Daily Trending 总榜、Python 榜， HuggingFace 全球模型总趋势榜、多模态模型趋势榜，实现四榜第一，GitHub Star 5 天突破 1 万，跻身现象级爆款项目行列。截至目前，Hugging Face 累计下载量突破 1000 万次，GitHub 斩获 2.85 万 Star，获得图灵奖得主、AI 科学家杨立昆（Yann LeCun）的转发推荐。
11月12日，百度世界2026大会将进一步展示文心 Unlimited OCR 2 的技术亮点及应用潜力。 本届大会以“下一幕，智能组织”为主题，将发布百度“芯云模体”全栈AI的最新升级成果，助力企业和开发者加速AI应用落地，推动智能组织进化。
目前，文心 Unlimited OCR 2 的代码和模型权重同步开源至 GitHub、Hugging Face，并同步上线百度智能云平台和百度AI开放平台，开发者和企业用户可下载使用。
文心 Unlimited OCR 2 开源地址：