# Baidu lança modelo OCR de código aberto para documentos longos

> O Unlimited OCR 2 tem 3 bilhões de parâmetros e, segundo a Baidu, consegue processar documentos de centenas de páginas em uma única solicitação. O modelo é lançado sob a licença MIT.

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

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.

## Os fatos

- O Unlimited OCR 2 foi lançado em 2026-10-27, segundo o repositório da Baidu no GitHub.
- O modelo tem 3 bilhões de parâmetros e licença MIT, segundo o MarkTechPost.
- O MarkTechPost informa uma pontuação de 77.1 no MarathonDocBench.
- O exemplo da Baidu com Transformers foi testado em uma NVIDIA A800 com 80GB de memória.

## 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.

## Fontes e referências

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

Última atualização: 2026-10-27