3600 页一口气读完：百度开源 Unlimited OCR 2，文档解析环节的成本账有了新参照线

从「数十页」到不设上限：百度开源 Unlimited OCR 2

10 月 27 日，百度发布并开源文心 Unlimited OCR 2，定位是全球首个实现任意页数文档解析的 OCR 模型，代码与权重已同步开源至 GitHub 和 Hugging Face（MIT 协议），并上线百度智能云平台与百度 AI 开放平台。百度自报实测：模型一次性解析《哈利·波特》全系列 7 部、累计 3600 多页文档，文档长度大幅增加时精度和处理效率仍能保持。

回顾这条产品线：传统 OCR 的上限是单页，多页解析靠结果拼接；2026 年 6 月发布的第一代 Unlimited OCR 用参考滑动窗口注意力（R-SWA）把范围扩到连续数十页；这次 Unlimited OCR 2 用 SR-SWA 加无限解码机制（Unlimited-Horizon Decoding）突破超长文档的计算与显存瓶颈，百度称这是文档解析进入 OCR 3.0 时代的标志。

SR-SWA：把长文档的成本曲线「拉平」

此前文档解析的瓶颈在全注意力成本随序列长度二次增长：按百度口径，仅输入阶段，百页文档就会产生约 2.7 万个视觉 token。SR-SWA 把视觉参考压缩到固定规模（官方示例 512 token：128 token 局部窗口加 32 token 块内 top-16 选择），官方报告称百页场景下单步解码耗时较全注意力降约 7 倍、较上一代 R-SWA 降约 5.6 倍——这两个数字是百度自报测试，暂无第三方复测。机制上它借鉴了人抄书的习惯：以当前页为主，只在需要核对或跨页引用时回看相关片段，而不是反复翻阅整本书。

榜单口径：两个长文档基准第一

百度公布的榜单里，Unlimited OCR 2 在 MarathonDocBench（百页到千页级）拿 77.1、MPDocBench 拿 84.6，在 10 个受测模型中排第一；第二的 Kimi-K3 在 Marathon 上只有 33.7，MPDocBench 第二的 Qwen3.8-Max 为 78.3。短板是层级结构：长文档的标题层级子项得分只有 48.2。注意这些数字都来自百度自报榜单，未经独立验证——拿来做采购决策前，建议在自己的文档语料上跑一遍验收。

对 API 聚合与文档流水线的三点影响

第一，RAG 与文档流水线里的解析环节从「按页买 API」多了一个自托管选项：模型 3.34B 参数、BF16 权重约 6.7GB，百度测试用单张 A800-80GB 即可运行（厂商自报），OCR 自托管的硬件门槛从集群降到了单卡。第二，成本曲线变了：长文档 OCR 过去是「越长越贵」，SR-SWA 下单步解码成本近乎恒定，100 页和 3600 页的边际成本不再按页数线性放大，整本书、整套研报这类以前要切片拼接的任务可以一次进模型。第三，对聚合货架来说，文档解析类 API 多了一个自托管参照价——类似推理侧的价格地板逻辑，采购文档解析能力时建议在询价单里加一行：厂商百页文档的单页报价，和单卡自托管的摊销成本差多少。

落到选型上还要提醒一句：单卡 80GB 是百度侧 BF16 推理的测试基线，如果并发或吞吐要求高，单卡显存压力会很快显现，容量规划建议预留双卡或更高显存档位；月处理文档量在十万页以上，自托管摊销通常更划算，低频试用场景继续走 API 更经济。

百度预告 11 月 12 日百度世界 2026 大会（主题「下一幕，智能组织」）将进一步展示该模型的技术亮点，下一轮关注「芯云模体」全栈升级与开放平台上的定价档位。

来源：百度开源公告／Hugging Face 模型卡／新浪科技／NCIJ；榜单与加速数据为百度自报。