Baidu는 2026년 10월 27일, 수백 페이지에 걸친 문서를 한 번의 요청으로 읽도록 설계된 오픈소스 광학 문자 인식(OCR) 모델 Unlimited OCR 2를 공개했다. 30억 매개변수 모델로, MIT 라이선스가 적용된다. Baidu의 GitHub 저장소에는 Transformers 또는 SGLang으로 실행하는 방법이 안내돼 있다.
저장소에 따르면 이 모델은 Sparse Reference Sliding Window Attention(SR-SWA)을 사용한다. 문서 전체 길이에 따라 어텐션 연산량이 늘어나는 대신, 512토큰을 예로 든 고정된 크기의 참조 집합을 유지하는 방식이다. Baidu는 이 방법으로 문서가 길어져도 디코딩 시간과 메모리 사용량이 거의 일정하게 유지된다고 설명한다. 이는 회사 측 주장으로, 제공된 자료에는 독립적인 측정 결과가 없다.
Baidu는 Unlimited OCR 2가 약 100페이지 분량의 문서를 평가하는 벤치마크 MarathonDocBench에서 77.1점을 기록했다고 밝혔다. MarkTechPost도 이 점수를 보도했지만, 공개된 세부 정보에는 벤치마크 버전, 테스트 설정, 비교 대상 모델이 명시돼 있지 않다. Baidu는 MarathonDocBench와 MPDocBench 모두에서 이 모델이 최신 최고 수준이라고 설명하지만, 제공된 정보에서 저장소는 해당 비교의 점수를 제시하지 않는다.
어떻게 실행하나?
Baidu는 Transformers를 통한 여러 페이지 추론 방법을 안내하고, 서비스 운영에는 SGLang을 권장한다. Transformers 예제는 Python 3.10과 메모리 80GB의 NVIDIA A800에서 테스트됐다. 이는 테스트 환경이지, 명시된 최소 하드웨어 사양은 아니다.
저장소에는 긴 문서를 더 작은 페이지 묶음으로 처리하는 SGLang의 페이지 윈도 옵션도 소개돼 있다. Baidu는 윈도 크기를 줄이면 최대 메모리 사용량은 감소하지만, 윈도 경계에 걸쳐 이어지는 내용을 연결하기 어려워질 수 있다고 경고한다. 따라서 한 번의 요청으로 많은 페이지를 처리할 수 있다고 해서 모든 환경에서 문서 크기에 제한 없이 사용할 수 있는 것은 아니다. 하드웨어와 서비스 설정도 여전히 중요하다.
왜 중요한가
긴 보고서나 기록을 디지털화하는 조직은 한 번의 요청으로 모델이 각 페이지를 별도의 OCR 작업으로 처리하는 대신 페이지 간 정보를 활용하게 할 수 있다. Baidu는 MIT 라이선스가 적용되는 모델을 공개했지만, 제공된 정보만으로는 특정 조직의 문서에서 얼마나 정확하게 작동할지, 해당 작업에 어떤 하드웨어가 필요한지 알 수 없다.
