百度近日發佈並開源了3B參數規模的端到端OCR模型——Unlimited OCR，專爲書籍、論文等長文檔解析場景打造。該項目上線後迅速登頂GitHub與HuggingFace四項趨勢榜，開源僅5天GitHub Star即破萬。

技術上，Unlimited OCR推理時激活參數約570M，並首次引入Reference Sliding Window Attention（R-SWA）機制。該機制打破了傳統“逐頁解析+拼接”的限制，實現數十頁文檔的一次性連續解析;同時，它將解碼階段的KV Cache控制在恆定規模，使顯存佔用和計算成本不再隨輸出長度增長而暴漲。

在OmniDocBench v1.6基準測試中，該模型以93.92%的成績刷新紀錄。真實場景下，其推理速度較DeepSeek OCR提升約12.7%，在6000Tokens輸出長度下速度優勢擴大至35%，爲海量文檔數字化和大模型長程記憶管理提供了全新路徑。