← すべてのモデル

Unlimited-OCR

公開日 提供元 Baidu

概要

Unlimited-OCRは、長文書のOCRと文書解析を目的とするオープンなモデルです。DeepSeek-OCRを基盤とし、総パラメータ数は約30億、推論時の活性化パラメータ数は約5.7億と公式に説明されています。(cloud.baidu.com)

能力と用途

  • 単一画像や複数ページの文書を解析できます。公式のローカル推論例では、PDFをページ画像に変換してから処理します。(raw.githubusercontent.com)
  • Reference Sliding Window Attention(R-SWA)により、デコード中のKVキャッシュを一定規模に保ち、数十ページの文書を一度の前向き推論で処理することを目指しています。(arxiv.org)
  • 契約書、財務報告書、論文、スキャン文書などを解析し、検索用の知識ベース、RAG、エージェントのワークフローに取り込む用途が挙げられています。百度の文書解析サービスではMarkdownやJSON形式での出力が案内されています。(cloud.baidu.com)

制限

「Unlimited」という名称でも、初代モデルの解析長は無制限ではありません。論文は、32Kなどの有限のコンテキスト長に加え、ページ数の増加に伴う入力側の長さが制約になると明記しています。また、複数ページ処理では小さな文字が判読しにくく、認識誤りが生じる場合があります。(arxiv.org)

料金

2026年11月16日調査。初代Unlimited-OCRに適用される現行の公式API料金は、中国国内向けの人民元建て、国際向けの米ドル建てともに確認できませんでした。入力・出力それぞれの課金額も未確認です。百度の現行の商用文書解析料金は後継のUnlimited-OCR 2向けとして案内されているため、初代モデルの料金には転用していません。(cloud.baidu.com)

公開日と公式情報