百度开源了一个 OCR 模型，上个月在 HuggingFace 被下载了 165 万次，可很多人连名字都没听过。 它叫 Unlimited-OCR，3B 参数，自己电脑就能跑。 传统 OCR 处理 PDF，基本是一页一页切开识别。 页和页之间的上下文，很容易就断了。 Unlimited-OCR 的做法是把整份文档的页面一次性喂进去，连续做多页解析。 官方给它起的名字叫"一次性长视野解析"。 上下文窗口拉到了 32K。 PDF 先按 300dpi 转成图片，再整批送进模型。 单张图片有两种模式。 gundam 会切块处理，base 按整页处理，多页和 PDF 只用 base。 部署门槛不高。 Transformers、vLLM、SGLang 都有现成教程，vLLM 还提供了 Docker 镜像。 SGLang 能直接起一个兼容 OpenAI 接口的服务。 训练支持 ms-swift。 国内用户在 ModelScope 和百度智能云上也能直接用。 项目 6 月 22 日发布，目标写得很直白：把 DeepSeek-OCR 再往前推一步。 论文已经上了 arXiv。 算笔账。 Textract、Google Vision、Azure 这类云端 OCR，每千页大概收 1.5 到 15 美元。 放在自己机器上跑，这笔按页计费的钱就省了。 想先看效果，HuggingFace 上有在线 Demo。 🔗 https://huggingface.co/baidu/Unlimited-OCR 🔗 https://github.com/baidu/Unlimited-OCR

  • 情报分类：技术学习与提效
  • 分类依据：内容涉及技术、AI、软件工具或工程实践
  • 信息来源：AI / AI前沿 / Twitter @鸟哥 | 蓝鸟会🕊️
  • 发布时间：2026/10/19 11:05:04