百度发布 Unlimited-OCR-2，支持不限长度文档解析

百度在 HuggingFace 上发布了模型 Unlimited-OCR-2，任务类型为 image-text-to-text。发布是在 2026 年 10 月 26 日进行的。主要变化是通过 Sparse Reference Sliding Window Attention（SR-SWA）机制，从较长的解析视野转向不受限制的解析视野，该机制在超长序列上压缩文本与视觉特征的交互。

这意味着什么

模型包含 33 亿参数，权重以 safetensors 格式发布。最大的文件占用 4.7 GB，整个仓库为 6.2 GB。许可证为 MIT。可通过 transformers 运行，同时声明支持 vLLM。平台上目前还没有量化版本。 本地运行需要一块显存足以容纳全精度 6.2 GB 权重，再加上用于激活值和注意力缓存的内存。模型可以在 CPU 上运行，但处理长文档的速度会明显更低。可以在 CPU3D 动态中关注量化版本的出现以及该主题的其他新闻。 代码已开源，因此如有需要，可以对模型进行微调，或将其适配到自己的文档格式。