百度开源 Unlimited OCR，30 亿参数模型实现高效长文档解析

百度近日开源了 Unlimited OCR 模型，总参数量 30 亿，推理时仅激活 5 亿参数，旨在解决长文档解析中端到端 OCR 模型速度下降的问题。该模型延续 DeepSeek OCR 架构，采用两级视觉编码和 16 倍 token 压缩，将 1024×1024 的 PDF 图像压缩为 256 个视觉 token，减轻计算负担。

Unlimited OCR 基于 DeepSeek OCR 检查点继续训练 4000 步，使用约 200 万份文档样本，在 8×16 A800 GPU 上完成训练。基准测试显示，该模型在 OmniDocBench v1.5 上整体得分 93.23，高于 DeepSeek OCR 的 87.01 和 DeepSeek OCR 2 的 89.17，文本编辑距离仅 0.038，公式和表格识别表现优异。

该模型已在 GitHub 上获得 6.8K 星标，标志着长文档解析进入一次性高效处理的新阶段。