新模型 2026-10-27

百度开源文心 Unlimited OCR 2:3600 页的书,一口气读完

一句话说清:百度开源了一个新的文字识别模型,不管一份文件有多长,它都能从头读到尾、一次转成文字,不用再一页页切开来处理。

发生了什么

  • 10 月 27 日,百度发布并开源文心 Unlimited OCR 2,官方称首次实现「任意页数」的文档解析,把文字识别的处理上限从几十页推到「无限」。
  • 实测有多能读:一次读完整套《哈利·波特》七部、累计超过 3600 页;1200 多页的《三体》全集也能一口气解析。
  • 两个公开测试拿到第一:多页文档的 MPDocBench 得 84.6 分,百页级超长文档的 MarathonDocBench 得 77.1 分,官方称领先千问、Gemini、GLM、DeepSeek 等同类模型。
  • 省显存是这次的关键:官方数据说,单次推理的显存峰值从 47GB 降到 1.77GB;16 个任务同时跑时,每秒处理量从 360 提升到 1315;百页场景下每一步的速度比原来快约 7 倍。
  • 代码和模型权重已开源:GitHub 上的 baidu/Unlimited-OCR、Hugging Face 上的 baidu/Unlimited-OCR-2,同时上线百度智能云和百度 AI 开放平台。11 月 12 日的百度世界大会还会再讲。

对我有什么用

  • 手里有扫描版 PDF / 整本书 / 几百分的合同的人:以前要一页页转、再拼起来,页码顺序和格式经常乱;现在整份丢进去,它自己知道前后页的关系。
  • 要看超长研报、招股书、政策文件的人:一次转完再交给 AI 总结,比「先切 50 页一段」省事得多。
  • 普通用户不用急着装环境:官方同步上线了百度智能云和百度 AI 开放平台,先在网页上试一页,觉得准再考虑批量用。
  • 对准确性保持预期:分数是百度自己公布的,第三方还没独立复测;表格、手写体、印章这些特殊版面,仍要自己抽查一遍。

我可以怎么做

  1. 只想试试效果:打开百度 AI 开放平台,找到 Unlimited OCR 相关能力,上传一页扫描件看识别结果。
  2. 有一整本书要转:优先用「多页模式」,把整份 PDF 一次提交,让它跨页理解,而不是一页页单独提交。
  3. 会写代码的话:GitHub 搜 baidu/Unlimited-OCR,按文档装好环境;官方推荐用 SGLang 部署,长文档按「每窗口 10 页」跑最稳。
  4. 转完一定要抽检:随便挑 3~5 页对照原图看数字、金额、专有名词有没有错,再拿去用。

温馨提醒

  • 别把身份证、银行卡照片随手传到陌生网站:文字识别要上传原图,尽量用官方平台,识别完记得删记录。
  • 官方是免费开源的,收费的都是二手贩子:这个模型的代码和权重都公开,任何「付费解锁」「买内部接口」的说法都别信。
  • 识别结果不等于原件:合同、票据这类要拿去办事的材料,必须人工核对原始文件,别直接拿 AI 的输出当凭证。
📤 一键转发小助手 帮你写好小红书文案、微信推荐语,还配一张中文海报,复制就能发