百度开源3B模型Unlimited OCR:5天Star破万，刷新长文档解析纪录

百度最近开源了一个3B参数规模的端到端OCR模型，名字很直接——Unlimited OCR，专为书籍、论文这类长文档解析场景设计。这个项目上线后反响很快，GitHub和HuggingFace四项趋势榜直接登顶，开源才5天Star就破了万，关注度可见一斑。

技术层面，这个模型实际推理时激活的参数只用到约570M。有意思的是，它首次引入了Reference Sliding Window Attention机制，也就是R-SWA。这个机制打破了传统“逐页解析再拼接”的局限，能做到一次性连续解析几十页文档，而解码阶段的KV Cache还能稳定在一个固定范围——意味着显存占用和计算成本不再跟着输出长度一块儿疯涨。

在OmniDocBench v1.6基准测试里，Unlimited OCR拿下了93.92%的成绩，直接刷新了榜单记录。从真实场景来看，它的推理速度比DeepSeek OCR快了大约12.7%，输出长度到了6000Tokens时，这个优势进一步扩大到35%。对于海量文档数字化和大模型长程记忆管理来说，这条路径确实提供了新的可能。