百度开源 Unlimited OCR 2：上百页文档一次解析，免部署 API 限时免费

百度文心团队在10月27日发布了文档解析模型 Unlimited OCR 2，模型权重放在 Hugging Face 和魔搭社区。10月30日，百度智能云的文档解析接口说明也更新了，基于这个新模型的 API 现在可以直接调用，而且限时免费。

它解决的是什么问题

普通的 OCR 模型处理几十页、上百页的长文档时，越往后要「回头看」的内容越多，计算量和显存都会跟着涨。Unlimited OCR 2 的思路是像人抄书一样，只盯着正在转写的那一部分：解码器里的注意力换成了稀疏参考滑动窗口注意力（SR-SWA），把需要参考的视觉和文字信息压缩到一个固定大小的集合（例如512个 token），所以无论文档多长，每一步的延迟和内存占用都基本不变。

按照团队论文里的数据，在百页规模的文档上，它每一步的速度比全注意力快约7倍。团队还一起发布了专门测试百页级长文档解析的新基准 MarathonDocBench。

免部署 API 怎么用

• 能自动合并跨页的表格和段落，识别标题层级，直接输出 JSON 或 Markdown
• 异步接口：先提交任务拿到 task_id，再轮询结果，官方建议间隔5到10秒
• 个人实名认证可领200页免费测试额度，企业实名认证是1000页

我的看法

我平时整理设定集、访谈刊物的扫描件，最头疼的就是跨页表格被切成两半。一个能把整本文档一次读完、还保留结构的开源模型，对做资料整理的人很实用。想自己部署的可以用 Transformers 先试，正式使用官方推荐 SGLang。