近日，百度正式发布并开源端到端OCR模型Unlimited OCR。模型发布后迅速获得全球开发者关注，发布次日即登顶GitHub Daily Trending榜、Python榜。随后热度持续攀升，GitHub Star仅5天就突破1万，跻身GitHub现象级爆款项目行列，在HuggingFace全球模型总趋势榜和多模态模型趋势榜也均排名第一，实现GitHub、HuggingFace四榜第一。

　　与此同时，百度AI在资本市场也迎来积极信号。6月29日，百度集团-SW(09888.HK)股价涨超8%，据The Information最新报道，百度旗下昆仑芯正计划赴港上市，目标估值约500亿美元。

　　GitHub Star突破1万，一直被视为全球开源项目影响力的重要分水岭，而能够在极短时间内达到这一规模的，通常都是具有现象级关注度的开源项目。Unlimited OCR仅用5天便迈过这一里程碑，展现出强劲的技术实力与全球开发者影响力。

　　Unlimited OCR面向长文档解析场景打造，总参数规模3B、推理时激活参数仅约570M。公开评测结果显示，Unlimited OCR在OmniDocBench v1.6基准测试中取得93.92%综合成绩，刷新端到端OCR最新纪录；在保持高精度解析能力的同时，真实文档场景推理速度较DeepSeek OCR提升约12.7%，输出长度达6000 tokens时速度优势扩大至35%。

　　Unlimited OCR更重要的意义在于推动了长文档解析技术向前迈出关键一步。过去，OCR模型面对书籍、论文、报告等长文档时，通常需要采用“逐页解析+结果拼接”的工程方案，随着输出内容不断增长，解码阶段的KV Cache持续膨胀，推理速度和显存成本也随之增加。

　　针对这一行业痛点，百度提出Reference Sliding Window Attention(R-SWA)机制，为长程解析提供了新的解决思路。该机制借鉴人类阅读和抄录长文档时的工作方式：始终保持对原始文档内容的关注，同时仅保留最近一段生成内容作为“工作记忆”，而不是无限累积全部历史信息。基于这一设计，模型能够在一次前向推理中连续完成数十页文档解析，实现从第一页到最后一页的连贯输出，同时将解码阶段的KV Cache控制在恒定规模，使计算成本和显存占用不随输出长度持续增长。

　　这一突破不仅提升了OCR在长文档场景下的可用性，也为大模型长期记忆管理提供了新的技术思路。近年来，行业普遍通过扩展上下文窗口来增强长程能力，而Unlimited OCR则探索了另一条路径——通过更高效的注意力机制和记忆管理策略，让模型“学会保留关键上下文、适度遗忘历史信息”，以更稳定、更经济的方式完成超长任务。

　　Unlimited OCR展现的不仅是一项OCR能力升级，更是百度在多模态基础模型和长程推理方向上的一次重要探索，为行业提供了处理超长上下文的新思路。