← 全部模型

Unlimited-OCR

发布时间 发布主体 Baidu

模型定位

Unlimited-OCR 是百度发布的开源端到端 OCR 与长文档解析模型,基于 DeepSeek-OCR 构建,采用约 30 亿总参数、5 亿激活参数的混合专家架构。模型代码和权重公开,模型卡标注为 MIT 许可证。(arxiv.org)

能力与用途

  • 使用参考滑动窗口注意力(R-SWA),在解码过程中保持 KV 缓存大小恒定,以降低长输出的注意力计算和内存压力。
  • 官方论文称,在标准 32K 最大长度设置下,可在一次前向过程中转录数十页文档;适用于多页 PDF、扫描文档及包含文字、公式和表格的文档解析。
  • 可用于文档数字化、内容提取和文档处理流程。官方模型卡提供 Transformers 和 vLLM 推理说明。(arxiv.org)

限制

  • “Unlimited”不代表原版模型能处理无限长度:论文明确指出,有限上下文长度和随页数增长的输入前缀仍会限制解析规模。
  • 论文指出,多页处理中使用 1024×1024 基础分辨率时,PDF 中的小字可能难以辨认并产生重复错误;重要结果应复核。
  • R-SWA 向语音识别、翻译等任务的扩展在论文中属于未来方向,不能据此认定该 OCR 模型已提供这些能力。(arxiv.org)

发布日期

2026 年 6 月 22 日。百度后来于 2026 年 10 月 27 日发布 Unlimited OCR 2;它是后续版本,不应与本条原版模型混同。(huggingface.co)

价格

查询日期:2026 年 11 月 16 日。

  • **原版 Unlimited-OCR:**未核实到可明确归属于原版模型的百度官方人民币或美元 API 输入、输出计费价格。开源权重可自行部署,所需基础设施费用取决于部署方式。
  • **百度智能云国内文档解析服务,仅作版本区分:**该服务已接入 Unlimited-OCR 2。官方购买指南列出的按量后付费原价为 CNY 0.05/页,限时优惠为 CNY 0.02/页;已完成个人或企业实名认证的新用户可获得 2,000 页/月免费测试额度。该服务按页计费,未分别列出输入和输出 token 价格;这不是可直接归属于原版模型的报价。活动有效期和实际结算以官方页面及订单为准。(bce-cdn.bj.bcebos.com)

官方来源