# Baidu rilascia un modello OCR open source per documenti molto lunghi

> Unlimited OCR 2 è un modello da 3 miliardi di parametri che, secondo Baidu, può elaborare documenti di centinaia di pagine in un’unica richiesta. È distribuito con licenza MIT.

Oossa · 2026-10-27 · https://oossa.com/it/baidu-releases-open-source-ocr-model-for-very-long-documents

Il 27 ottobre 2026 Baidu ha rilasciato Unlimited OCR 2, un modello open source di riconoscimento ottico dei caratteri (OCR) progettato per leggere documenti di centinaia di pagine in un’unica richiesta. Il modello ha 3 miliardi di parametri ed è distribuito con licenza MIT. Nel repository GitHub, Baidu fornisce le istruzioni per eseguirlo con Transformers o SGLang.

Secondo il repository, il modello utilizza Sparse Reference Sliding Window Attention, o SR-SWA. Invece di far crescere i calcoli di attenzione in proporzione alla lunghezza del documento, questo metodo mantiene un insieme di riferimenti di dimensioni fisse; Baidu cita 512 token come esempio. L’azienda afferma che così i tempi di decodifica e l’uso della memoria restano pressoché costanti anche quando i documenti diventano più lunghi. Si tratta di affermazioni dell’azienda, non di misurazioni indipendenti riportate nel materiale fornito.

Baidu afferma che Unlimited OCR 2 ha ottenuto 77,1 su MarathonDocBench, un benchmark per documenti di circa un centinaio di pagine. Anche MarkTechPost riporta questo punteggio, ma le informazioni disponibili non specificano la versione del benchmark, le condizioni del test o i modelli usati per il confronto. Baidu definisce il modello all’avanguardia sia su MarathonDocBench sia su MPDocBench; nelle informazioni fornite, il repository non riporta i punteggi di questi confronti.

## Come si può usare?

Baidu documenta l’inferenza su più pagine tramite Transformers e consiglia SGLang per la messa in servizio. L’esempio con Transformers è stato testato con Python 3.10 e una NVIDIA A800 con 80GB di memoria. È la configurazione usata per il test, non un requisito minimo dichiarato per l’hardware.

Il repository descrive anche un’opzione di SGLang che suddivide il documento in finestre di pagine più piccole. Baidu avverte che finestre più ridotte abbassano il picco di memoria utilizzata, ma possono rendere più difficile collegare contenuti che proseguono oltre il confine di una finestra. Quindi, il fatto che il modello possa ricevere molte pagine in un’unica richiesta non significa che qualsiasi configurazione possa gestire documenti di qualsiasi dimensione senza limiti: contano comunque l’hardware e la configurazione del servizio.

## I fatti

- Secondo il repository GitHub di Baidu, Unlimited OCR 2 è stato rilasciato il 2026-10-27.
- Secondo MarkTechPost, il modello ha 3 miliardi di parametri ed è distribuito con licenza MIT.
- MarkTechPost riporta un punteggio di 77,1 su MarathonDocBench.
- L’esempio di Baidu con Transformers è stato testato su una NVIDIA A800 con 80GB di memoria.

## Perché conta

Per le organizzazioni che digitalizzano report o archivi lunghi, una singola richiesta consente al modello di usare informazioni distribuite su più pagine, invece di trattare ogni pagina come un’attività OCR separata. Baidu offre una versione aperta con licenza MIT, ma i dettagli forniti non permettono di stabilire quanto sia accurato sui documenti di una specifica organizzazione né quale hardware servirà per il suo carico di lavoro.

## Fonti e riferimenti

1. [Baidu Open-Sources Unlimited OCR 2 for Hundred-Page Document Parsing](https://www.marktechpost.com/2026/10/26/baidu-unlimited-ocr-2-open-source-long-document-ocr/) – MarkTechPost, 2026-10-27
2. [Baidu](https://github.com/baidu/Unlimited-OCR) – Baidu

Ultimo aggiornamento: 2026-10-27