几十页的财报、上百条款的合同、图文并茂的研报、扫描件堆成的档案——企业里的这些文档，数量庞大、内容密集、格式复杂。它们是高价值的信息资产，但也是智能化应用落地过程中最难啃的骨头。想要把这类长文档送进知识库、接入大模型、做智能审阅，第一步都离不开 OCR。

而过去的 OCR，受限于模型瓶颈，面对长文档时几乎都绕不开这样的预处理方案：逐页识别、分段拼接、人工校对。页数越多，链路越长，结构越容易错，成本越不可控。

近日，面向长文档解析场景打造的 Unlimited-OCR一经发布，迅速获得全球开发者的广泛关注，GitHub Star 五天破万，位列HuggingFace全球多模态大模型榜单第一。

百度智能云同步开放 文档解析 （Unlimited-OCR）企业级API服务，开箱即用、快速集成。限时免费体验>>

开创长文档解析新时代

传统 OCR 模型在面向长文本时，解码阶段的 KV Cache 会随着输出长度持续增长——识别内容越多，占用显存越大，推理速度越慢。

逐页识别+结果拼接是工程的方案，但不是技术的终点。Unlimited-OCR 开创性地推出了 R-SWA（Reference Sliding Window Attention） 机制。

其核心灵感源自人类阅读与摘抄长文档时的认知模式：始终将注意力锚定在原始文档上，同时仅将最近生成的片段作为"工作记忆"，而非无限制地累积全部历史信息。得益于这一设计，模型能够在单次前向推理中一气呵成地完成数十页文档的解析，实现从首页到末页的连贯输出，同时将解码阶段的 KV Cache 维持在固定规模，从而确保计算开销与显存占用不会随输出长度持续膨胀。

用实力说话！

Unlimited-OCR 总参数 3B，推理时激活参数约 570M，轻量高效。在 OmniDocBench v1.6 基准测试中，Unlimited-OCR 取得 93.92%综合成绩，刷新端到端 OCR 领域最新纪录。与 DeepSeek OCR 相比，真实文档场景推理速度提升约 12.7%；当输出长度达到 6000 tokens 时，速度优势扩大至35%——输出越长，优势越明显，这正是长文档场景最需要的特性。

即便面对 40+ 页的超长文档，模型依然保持连贯输出，极少出现内容遗漏或错位。

不只是 OCR 

Unlimited-OCR 的价值，不只是"能识别更长的文档"。它更重要的意义，在于为长文档场景的 AI 应用提供了一个可靠的数据入口。

合同、财报、档案、论文、知识手册——这些沉睡在 PDF 和扫描件里的内容，通过 Unlimited-OCR 解析后，可以直接以 Markdown 或 JSON 的形式进入知识库、RAG 系统、智能体工作流。由此可见，文档解析（Unlimited-OCR） 不是在做文档数字化的最后一步，而是在做企业文档智能化的第一步。

百度OCR现已推出：通用场景文字识别、卡证文字识别、财务票据文字识别、交通场景文字识别、教育场景文字识别、医疗票据文字识别、iOCR自定义模板文字识别、智能文档分析平台等80+项细分能力，满足各种场景的文字识别和信息提取需求。提供在线API、HTTP SDK、离线SDK、私有化部署等多种部署方式，接入便捷、稳定可靠。