2026 年 10 月 27 日，百度发布文档解析模型 Unlimited OCR 2，代码仓库为 GitHub 上的 baidu/Unlimited-OCR。据 Hugging Face 模型页介绍，该模型借助新加入的稀疏参考滑动窗口注意力（SR-SWA），实现「无限长度」的文档解析。同一天，百度还发布了面向超长文档解析的新基准 MarathonDocBench。
模型页称，SR-SWA 把超长序列中的图文注意力交互压缩到一个固定大小的参考集合里，例如 512 个 token。这样，逐步解码的延迟和显存占用几乎不随文档长度变化。
模型页还表示，在 SR-SWA 的支持下，Unlimited OCR 2 能在有限的上下文窗口内完成不设上限的文档解析，随文档变长而出现的注意力二次方增长和显存瓶颈也随之消除。
模型页称，Unlimited OCR 2 在几十页级的基准（如 MPDocBench）和上百页级的极端基准（如 MarathonDocBench）上，均达到 SOTA。这些成绩出自发布方的模型页，页面上另附有排行图。
MarathonDocBench 的数据集放在 Hugging Face 的 baidu/MarathonDocBench 下。
10 月 27 日，模型同时上架魔搭社区（ModelScope）和百度智能云。模型页还提供了由 AK 制作的 Hugging Face Spaces 在线演示。
模型支持两种推理方式：
torch==2.13.0、transformers==4.52.1，模型以 torch.bfloat16 加载。sglang-0.5.20.dev10+g8d62f5fb9c wheel。多页推理（infer_multi）会把文档的所有页面放进同一个请求，以便模型利用跨页上下文。SGLang 示例则先把 PDF 按 dpi=300 转成图片，再整体输入。
对于很长的文档，SGLang 示例支持按页窗口调度：示例把每个窗口设为 10 页，单页输出上限设为 20000 token。模型页提醒，较小的页窗口能降低峰值显存，但会影响跨页合并，因为跨越窗口边界的内容块会丢失上下文。
模型页另附一段回放，展示用单个请求解析一整本书的过程。
第一代 Unlimited-OCR 于 2026 年 6 月 22 日发布，目标是在 DeepSeek-OCR 的基础上再推进一步。相关论文《Unlimited OCR Works》于 6 月 23 日上线 arXiv，编号为 2606.23050。
