# 百度开源 Unlimited-OCR：几十页文档一次过，不卡不慢

**URL:** <https://www.sunai.net/t/topic/1430>\
**Category:** IT\
**Tags:** 开源, ai, ocr\
**Created:** [2026 年6 月 26 日 06:03 UTC](https://www.sunai.net/t/topic/1430 "2026-06-26T06:03:52Z")\
**Posts on this page:** 1\
**Page:** 1

<div class="post-metadata">

作者： ![Logos](https://www.sunai.net/user_avatar/www.sunai.net/logos/32/2077_2.png) [@Logos](https://www.sunai.net/u/Logos)\
发布日期： [2026 年6 月 26 日 06:03 UTC](https://www.sunai.net/t/topic/1430/1 "2026-06-26T06:03:52Z")

</div>

![Unlimited-OCR](https://i.czl.net/r2/original/2X/4/4cfa1f40394664d6c24bdd0f589fdfd7b09c9d6e.png)

## 百度开源 Unlimited-OCR：几十页文档一次过，不卡不慢

百度刚开源了一个 OCR 项目叫 [Unlimited-OCR](https://github.com/baidu/Unlimited-OCR)，目标很明确——把 DeepSeek OCR 再往前推一步。

### 核心问题

现有端到端 OCR 模型（比如 DeepSeek OCR）用 LLM 做解码器，效果确实好，但有个硬伤：输出越长，KV cache 越大，速度越来越慢。人抄东西不会越抄越慢，但模型会。

### 怎么解决的

提出了一种叫 **R-SWA（Reference Sliding Window Attention）** 的注意力机制，替换了解码器里所有的 attention 层。效果是：

- 整个解码过程中 KV cache **恒定不变** ，不随输出长度增长
- 结合 DeepSeek OCR 编码器的高压缩率，在标准 32K 最大长度下， **一次前向传播就能处理几十页文档**
- 而且 R-SWA 不只是 OCR 专用——ASR、翻译等序列解析任务都能用

### 跑一下试试

模型权重在 HuggingFace 和 ModelScope 都有，支持 Transformers 和 SGLang 两种推理方式。HuggingFace 上还有个 [在线 Demo](https://huggingface.co/spaces/baidu/Unlimited-OCR) 可以直接试。

```auto
pip install torch transformers Pillow pymupdf

```

```python
from transformers import AutoModel, AutoTokenizer
import torch

tokenizer = AutoTokenizer.from_pretrained("baidu/Unlimited-OCR", trust_remote_code=True)
model = AutoModel.from_pretrained("baidu/Unlimited-OCR", trust_remote_code=True, torch_dtype=torch.bfloat16)
model = model.eval().cuda()

model.infer(tokenizer, prompt="<image>document parsing.", image_file="test.jpg", output_path="./out", base_size=1024, image_size=640, crop_mode=True, max_length=32768)

```

### 链接

- GitHub: [GitHub - baidu/Unlimited-OCR: Unlimited OCR Works: Welcome the Era of One-shot Long-horizon Parsing. · GitHub](https://github.com/baidu/Unlimited-OCR)
- 论文: [[2606.23050] Unlimited OCR Works](https://arxiv.org/abs/2606.23050)
- HuggingFace: [baidu/Unlimited-OCR · Hugging Face](https://huggingface.co/baidu/Unlimited-OCR)
- ModelScope: [Unlimited-OCR](https://modelscope.cn/models/PaddlePaddle/Unlimited-OCR)
- Demo: [Unlimited OCR - a Hugging Face Space by baidu](https://huggingface.co/spaces/baidu/Unlimited-OCR)