Baidu lanza un modelo ocr de código abierto para el procesamiento eficiente de documentos de cientos de páginas

Baidu ha presentado Unlimited OCR 2, un modelo OCR de código abierto diseñado para procesar documentos extensos de manera eficiente. Este modelo de visión-lenguaje de 3B puede analizar libros, documentos y informes que abarcan cientos de páginas en una sola solicitud. La innovación clave del modelo es SR-SWA, un mecanismo de atención dispersa que mantiene costos de decodificación casi constantes a medida que aumenta la longitud del documento. Se publica bajo la licencia MIT y está disponible en GitHub. Unlimited OCR 2 se basa en su predecesor, Unlimited-OCR, que se lanzó en junio de 2026. El modelo utiliza un codificador SAM ViT-B más CLIP-L junto con un decodificador de 12 capas de mezcla de expertos. Obtiene una puntuación de 84,6 en el benchmark MPDocBench y 77,1 en MarathonDocBench, superando a otros modelos como Qwen3.8-Max y Gemini-3.8-Flash. Baidu destaca la capacidad del modelo para manejar documentos grandes manteniendo el rendimiento en diferentes benchmarks.