# Baidu выпустила OCR-модель для очень длинных документов

> По словам Baidu, Unlimited OCR 2 — модель с 3 миллиардами параметров, которая может обрабатывать документы в сотни страниц за один запрос. Она выпущена под лицензией MIT.

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

27 октября 2026 года Baidu выпустила Unlimited OCR 2 — модель оптического распознавания символов (OCR) с открытым исходным кодом, предназначенную для чтения документов в сотни страниц за один запрос. Модель с 3 миллиардами параметров распространяется под лицензией MIT. В репозитории Baidu на GitHub есть инструкции по запуску с Transformers или SGLang.

Согласно репозиторию, модель использует механизм Sparse Reference Sliding Window Attention (SR-SWA). Вместо того чтобы увеличивать объём вычислений внимания вместе с длиной документа, этот метод использует фиксированный набор ссылок — например, из 512 токенов, как поясняет Baidu. Компания утверждает, что благодаря этому время декодирования и потребление памяти почти не меняются при увеличении объёма документов. Это заявления компании, а не результаты независимых измерений в предоставленных материалах.

По данным Baidu, Unlimited OCR 2 набрала 77,1 балла в MarathonDocBench — тесте для документов объёмом около сотни страниц. Оценку также приводит MarkTechPost, однако в доступных материалах не указаны версия теста, условия проверки и модели для сравнения. Baidu называет модель лидером в MarathonDocBench и MPDocBench, но в предоставленной информации в репозитории нет результатов этих сравнений.

## Как запустить модель?

Baidu описывает обработку многостраничных документов через Transformers и рекомендует SGLang для развёртывания. Пример для Transformers проверяли с Python 3.10 на NVIDIA A800 с 80GB памяти. Это тестовая конфигурация, а не заявленное минимальное требование к оборудованию.

В репозитории также описан режим обработки страниц группами для SGLang: длинный документ разбивается на небольшие блоки. Baidu предупреждает, что уменьшение размера блоков снижает пиковое потребление памяти, но может затруднить связывание фрагментов текста, переходящих из одного блока в другой. Поэтому возможность обрабатывать много страниц за один запрос не означает, что любая конфигурация справится с документом любого объёма без ограничений: важны и оборудование, и настройки сервера.

## Факты

- Согласно репозиторию Baidu на GitHub, Unlimited OCR 2 выпущена 2026-10-27.
- По данным MarkTechPost, у модели 3 миллиарда параметров и лицензия MIT.
- MarkTechPost сообщает, что модель набрала 77,1 балла в MarathonDocBench.
- Пример Baidu для Transformers проверяли на NVIDIA A800 с 80GB памяти.

## Почему это важно

Организации, которые оцифровывают длинные отчёты и архивные документы, могут обрабатывать их одним запросом, чтобы модель использовала информацию со всех страниц, а не распознавала каждую отдельно. Baidu выпустила модель с открытым исходным кодом под лицензией MIT, но имеющихся данных недостаточно, чтобы судить о точности на документах конкретной организации или требованиях её задач к оборудованию.

## Источники и ссылки

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

Обновлено: 2026-10-27