A Baidu lançou o Unlimited OCR 2 em 27 de outubro de 2026. O modelo de reconhecimento óptico de caracteres (OCR), de código aberto, foi desenvolvido para ler documentos com centenas de páginas em uma única solicitação. Com 3 bilhões de parâmetros, o modelo é licenciado sob a MIT. O repositório da Baidu no GitHub traz instruções para executá-lo com Transformers ou SGLang.
Segundo o repositório, o modelo usa a Sparse Reference Sliding Window Attention, ou SR-SWA. Em vez de deixar os cálculos de atenção crescerem junto com o tamanho total do documento, o método mantém um conjunto de referências de tamanho fixo — 512 tokens, por exemplo, segundo a Baidu. A empresa afirma que isso mantém o tempo de decodificação e o uso de memória quase constantes à medida que os documentos ficam mais longos. Essas são alegações da empresa, não medições independentes incluídas no material fornecido.
A Baidu afirma que o Unlimited OCR 2 obteve 77.1 no MarathonDocBench, um benchmark para documentos com cerca de cem páginas. O MarkTechPost também informa essa pontuação, mas os detalhes disponíveis não especificam a versão do benchmark, as condições do teste nem os modelos usados para comparação. A Baidu descreve o modelo como referência tanto no MarathonDocBench quanto no MPDocBench; as informações fornecidas não incluem no repositório pontuações dessas comparações.
Como executá-lo?
A Baidu documenta a inferência em várias páginas com Transformers e recomenda o SGLang para disponibilizar o modelo. O exemplo com Transformers foi testado com Python 3.10 e uma NVIDIA A800 com 80GB de memória. Essa é a configuração de teste, não um requisito mínimo de hardware declarado.
O repositório também descreve uma opção de janelas de páginas para o SGLang, que processa documentos longos em grupos menores de páginas. A Baidu alerta que janelas menores reduzem o pico de uso de memória, mas podem dificultar a conexão entre trechos que continuam depois do limite de uma janela. Portanto, o fato de o modelo aceitar muitas páginas em uma única solicitação não significa que qualquer configuração consiga processar documentos de qualquer tamanho sem limites: o hardware e a configuração de execução continuam sendo importantes.
Por que importa
Para organizações que digitalizam relatórios ou registros extensos, uma única solicitação permite que o modelo use informações de várias páginas, em vez de tratar cada página como uma tarefa de OCR separada. A Baidu oferece uma versão aberta sob a licença MIT, mas os detalhes fornecidos não permitem determinar a precisão do modelo nos documentos de uma organização específica nem o hardware necessário para sua carga de trabalho.
