Baidu a lancé Unlimited OCR 2 le 27 octobre 2026. Ce modèle open source de reconnaissance optique de caractères (OCR) est conçu pour lire des documents de plusieurs centaines de pages en une seule requête. Doté de 3 milliards de paramètres, il est publié sous licence MIT. Le dépôt GitHub de Baidu explique comment l’utiliser avec Transformers ou SGLang.
D’après le dépôt, le modèle repose sur Sparse Reference Sliding Window Attention, ou SR-SWA. Au lieu de laisser les calculs d’attention croître avec la longueur totale du document, cette méthode conserve un ensemble de références de taille fixe — 512 tokens, par exemple, selon Baidu. L’entreprise affirme que le temps de décodage et la mémoire utilisés restent ainsi presque constants, même lorsque les documents s’allongent. Il s’agit d’affirmations de l’entreprise, et non de mesures indépendantes présentées dans les informations fournies.
Baidu indique qu’Unlimited OCR 2 a obtenu un score de 77.1 à MarathonDocBench, un test conçu pour des documents d’une centaine de pages environ. MarkTechPost rapporte également ce score, mais les informations disponibles ne précisent ni la version du test, ni les conditions d’évaluation, ni les modèles auxquels il a été comparé. Baidu présente le modèle comme le meilleur du marché sur MarathonDocBench et MPDocBench ; les informations fournies ne donnent toutefois aucun score pour ces comparaisons dans le dépôt.
Comment l’utiliser ?
Baidu explique comment traiter plusieurs pages avec Transformers et recommande SGLang pour le déploiement. Son exemple avec Transformers a été testé avec Python 3.10 et une NVIDIA A800 dotée de 80GB de mémoire. Il s’agit de la configuration utilisée lors du test, et non d’une configuration minimale requise.
Le dépôt décrit aussi une option de traitement par fenêtres de pages pour SGLang, qui découpe les longs documents en groupes de pages plus petits. Baidu prévient que des fenêtres plus petites réduisent le pic d’utilisation de la mémoire, mais peuvent compliquer le rapprochement d’éléments qui se poursuivent au-delà de leurs limites. La possibilité d’envoyer de nombreuses pages en une seule requête ne signifie donc pas que toutes les configurations peuvent traiter sans limite des documents de n’importe quelle taille : le matériel et les paramètres de déploiement restent déterminants.
Pourquoi c'est important
Pour les organisations qui numérisent de longs rapports ou des archives, une seule requête permet au modèle de s’appuyer sur des informations réparties sur plusieurs pages, au lieu de traiter chaque page séparément. Baidu propose une version open source sous licence MIT, mais les informations fournies ne permettent pas d’évaluer sa précision sur les documents d’une organisation en particulier ni de déterminer le matériel nécessaire à son usage.
