概览
Unlimited OCR 2（官方全称 Unlimited OCR Works 2）是百度开源的文档解析视觉语言模型，2026 年 10 月 27 日发布，是 6 月推出的 Unlimited-OCR 的第二代（官方称第一代意在把 DeepSeek-OCR 再往前推一步）。官方口号是「开启 OCR-3.0 时代：从长文档到无限长度解析」。新版的核心是稀疏参考滑动窗口注意力（SR-SWA）：把超长序列中的图文注意力交互压缩成固定大小的一组工作参考（例如 512 个 token），使每一步解码的延迟和显存占用基本不随文档长度增长，从而在有限的上下文窗口内实现不限长度的文档解析，避开注意力随长度平方增长的瓶颈。官方称它在几十页级的 MPDocBench 和上百页级的 MarathonDocBench 上都达到最佳：官方榜单图中总分分别为 84.6 和 77.1，比第二名高 6.3 和 43.3 分，对比对象包括 Qwen3.8-Max、Gemini-3.8-Flash、GLM-5.3-Flash、DeepSeek-4.1-Flash、Kimi-K3 和第一代 Unlimited-OCR 等，以上为官方自测。MarathonDocBench 是百度同日发布的超长文档解析评测集。用法：Hugging Face 模型类型为 image-text-to-text，支持 Transformers（infer 单页、infer_multi 多页按页序一次解析，输出每页一个 <PAGE>）和官方定制的 SGLang 部署，另有 Hugging Face Space 在线演示，并已上线魔搭社区和百度智能云。参数约 33.4 亿（Hugging Face 统计 3,343,978,497），许可证 MIT。官方来源：https://huggingface.co/baidu/Unlimited-OCR-2 、https://github.com/baidu/Unlimited-OCR （2026-10-28 核对）。 定价：模型权重 MIT 开源可免费下载自部署；百度智能云上的调用价格以其官方页面为准，本条未填。
- 模态
- 多模态
- 参数量
- 3343978497
- 许可说明
- 开源 · MIT
能力
- 百度开源的超长文档解析（OCR）视觉语言模型，约 33.4 亿参数，MIT 许可
- 新增稀疏参考滑动窗口注意力 SR-SWA，把超长序列的图文注意力压到固定数量的参考（如 512 token），逐步解码延迟和显存几乎不随文档长度增长
- 在有限上下文窗口内做「无限长度」文档解析，可一次请求解析多页并利用跨页上下文
- 官方榜单：MPDocBench 84.6、MarathonDocBench 77.1，分别领先第二名 6.3 和 43.3 分
- 支持 Transformers（快速测试）和定制版 SGLang（推荐部署），也已上线魔搭与百度智能云
