Baidu lança modelo ocr de código aberto para processamento eficiente de documentos de centenas de páginas

A Baidu introduziu o Unlimited OCR 2, um modelo OCR de código aberto projetado para processar documentos extensos com alta eficiência. Este modelo de visão e linguagem de 3B pode analisar livros, documentos e relatórios que abrangem centenas de páginas em uma única solicitação. A principal inovação do modelo é o SR-SWA, um mecanismo de atenção esparso que mantém custos de decodificação quase constantes à medida que o comprimento do documento aumenta. É lançado sob a licença MIT e disponível no GitHub. O Unlimited OCR 2 se baseia em seu predecessor, Unlimited-OCR, que foi lançado em junho de 2026. O modelo utiliza um codificador SAM ViT-B mais CLIP-L combinado com um decodificador de 12 camadas de mistura de especialistas. Ele obtém 84,6 na avaliação MPDocBench e 77,1 no MarathonDocBench, superando outros modelos como Qwen3.8-Max e Gemini-3.8-Flash. A Baidu destaca a capacidade do modelo de lidar com documentos grandes, mantendo o desempenho em diferentes benchmarks.