← 全部模型

Unlimited-OCR

發布時間 發布主體 Baidu

模型定位

Unlimited-OCR 是百度發布的開源光學字元辨識(OCR)與長文件解析模型,本文所述為 2026 年 6 月 22 日發布的初代版本,不是後續的 Unlimited-OCR 2。模型權重採 MIT 授權。(github.com)

能力與用途

  • 可解析單張文件圖片及連續多頁文件;官方範例會先將 PDF 頁面轉為圖片,再進行多頁解析。(huggingface.co)
  • 採用參考滑動視窗注意力機制(R-SWA),在解碼時維持固定規模的 KV cache,以支援一次解析數十頁文件。百度表示模型總參數約 3B,推論時約啟用 570M。(cloud.baidu.com)
  • 適用於合同、財報、掃描檔案、論文和知識手冊等文件的數位化,以及知識庫、檢索增強生成(RAG)和智慧代理工作流程。百度當時的文件解析服務可輸出 Markdown 或 JSON。(cloud.baidu.com)

限制

  • 「Unlimited」不代表初代模型在任何部署下都能處理無限制頁數。百度將初代的解析範圍描述為連續數十頁;更長文件的能力應與後續版本區分。(cloud.baidu.com)
  • 官方模型範例使用 32,768 的最大長度設定;實際可處理內容受部署設定、文件內容和硬體資源影響,不應把範例設定視為所有環境的保證上限。辨識結果仍可能有遺漏或錯位,重要文件宜人工核對。(huggingface.co)

價格

截至 2026 年 11 月 16 日,未核實到適用於初代 Unlimited-OCR 的官方國內人民幣或國際站美元輸入/輸出計費價格。開源權重可自行部署,但自行部署的運算與基礎設施成本另計。

作為版本區分:百度國內目前的同名文件解析雲端服務已接入 Unlimited-OCR 2,其官方公告提供每月 2,000 頁免費額度,超出後限時按 CNY 0.02/頁後付費;該服務按頁而非分別按輸入/輸出 token 計費,不能將此價格視為初代模型的報價。免費額度適用於完成認證的個人或企業新用戶,舊用戶可聯絡團隊升級;未用完額度不結轉。(ai.baidu.com)

官方來源