企业官网建设流程全解析

如果你对OCR的印象还停留在“拍一页，识别一页；翻一页，再来一页”，Unlimited-OCR的出现，会让这条赛道的重点发生变化。它真正吸引人的地方，不是把单页识别再卷高一点，而是把多页长文档的一次性解析推到更接近“连续阅读”的层面。

过去的 OCR 工具常常像流水线：先切页、再识别、再拼接，遇到长 PDF、教材、研报、论文、表格混排材料时，后处理成本很快就会冒出来。Unlimited-OCR 想解决的正是这个痛点：让模型一次看完整份材料，并尽量从第一页稳定读到最后一页。

聚一口气读几十页，告别单页孤岛

Unlimited-OCR 的核心是One-shot Long-horizon Parsing，也就是一次性长程解析。它不再把一份文档天然拆成很多彼此孤立的小任务，而是希望像人读材料一样，保持连续状态，把多页内容放进同一次处理流程里。

这类能力对真实场景非常关键。单页 OCR 做得再好，遇到几十页报告时仍然会被页间顺序、上下文衔接、表格跨页、图片说明和段落连续性拖住。Unlimited-OCR 把“整份文档能不能稳定读完”放到模型能力中心，使 OCR 从“识别工具”更接近“文档入口”。

Unlimited-OCR 整体架构与类人工作记忆示意

模拟人脑工作记忆，长文处理不卡顿

Unlimited-OCR 的设计灵感很直观：人抄书时不会反复回看自己已经写过的全部内容，而是始终盯着原文，同时保留刚刚写下的一小段上下文。远处内容逐渐淡出，近处信息保持清晰，这种“工作记忆”让长时间转写不会越来越沉重。

模型中的 R-SWA就是在模拟这种节奏。它让生成中的每个token都能看到完整参考内容，同时只关注最近一段输出上下文。这样做的好处是，文档越长，系统不必背着全部历史输出继续前进，KV cache 不会随着生成长度无限膨胀，速度和显存压力也更容易被控制住。

它不是更会死记硬背，而是更会保持方向感。对于长文档OCR来说，这一点比单纯堆上下文更重要。

R-SWA 与普通注意力的对比示意

高精度交付，所见即所得

长文档能力如果只停留在“能跑很长”，并不能真正说服用户。Unlimited-OCR更值得关注的地方，是它在文档解析指标上同样给出了强结果：在OmniDocBench v1.5上，整体分数达到93.23，相比DeepSeek-OCR基线提升6.22；在 v1.6 上达到93.92，继续保持第一梯队表现。

这意味着它不是牺牲识别质量换取长输出，而是在文本、公式、表格结构、阅读顺序等文档关键环节上同步推进。对内容团队、知识库团队和企业文档场景来说，这种“交付感”比单一指标更重要。

• 长篇 PDF、白皮书、研报、招股书等连续文档
• 论文、教材、讲义、试卷等图文混排资料
• 需要批量转 Markdown、纯文本或知识库素材的整理链路
• 需要保留阅读顺序、表格结构和公式信息的归档场景

OmniDocBench v1.5/v1.6结果对比表

从“识字”到“读资料”，重塑工作流

Unlimited-OCR 的想象空间，不只在 OCR 本身。它是让模型在长程解析任务中保持稳定记忆、持续输出和较低资源压力。这种能力未来也可能迁移到语音转写、长文本翻译等需要“参考内容 + 连续输出”的任务里。

对实际工作流来说，OCR 过去常被当成第一步小工具：把图片里的字拿出来，任务就结束了。但现在，OCR 更像一个入口，它把纸面世界、扫描件和长 PDF 拉进可搜索、可编辑、可总结、可入库的数字链路。

• 内容生产：旧资料、长报告、PDF 文章可以更快进入二次编辑流程
• 知识库建设：扫描件和长文档更容易沉淀为可检索素材
• 企业文档：制度、合同、手册、档案的电子化成本有机会下降
• 教育科研：教材、论文、试卷、讲义的整理效率会更接近批量化处理

当然，“Unlimited”并不等于在有限上下文下真正无限。它更准确的意义，是把 OCR 从短任务推进到长程任务，让模型在几十页级别的文档里仍然尽量保持节奏。过去大家比的是“能不能识别”，现在开始比的是“能不能连续、稳定、像人一样读完整份资料”。

解码时延曲线

社区地址

OpenCSG社区：
https://opencsg.com/models/baidu/Unlimited-OCR

Hugging Face社区：

https://huggingface.co/baidu/Unlimited-OCR

关于OpenCSG

OpenCSG是全球领先的开源大模型社区平台，致力于打造开放、协同、可持续生态，AgenticOps是人工智能领域的一种AI原生方法论，由OpenCSG（开放传神）提出。AgenticOps是Agentic AI的最佳落地实践也是方法论。核心产品 CSGHub 提供模型、数据集、代码与 AI 应用的 一站式托管、协作与共享服务，具备业界领先的模型资产管理能力，支持多角色协同和高效复用。