百度 Unlimited-OCR 2 发布：SR-SWA 实现无限长文档解析
2026.10.28 · 产品 · 新模型 · 开源项目
百度推出 Unlimited-OCR 2，用 SR-SWA 把超长文档解析压到固定计算量。
百度发布 Unlimited-OCR 2，提出 SR-SWA（稀疏参考滑动窗口注意力），将文本-视觉注意力交互压缩到固定规模的工作参考集（如 512 tokens），使每步解码延迟和显存占用几乎不随文档长度增长。同时发布超长文档解析基准 MarathonDocBench，并称在 MPDocBench 与百页级基准上达到 SOTA。
- 发布 Unlimited-OCR 2，通过 SR-SWA 实现无限长文档解析，注意力交互压缩到固定规模参考集（如 512 tokens）
- SR-SWA 让每步解码延迟与显存占用几乎不随文档长度增长，消除二次注意力扩展和内存瓶颈
- 发布 MarathonDocBench，面向超长文档解析的新基准，并称在 MPDocBench 与百页级基准上达到 SOTA
- 推理支持 Transformers（原生，快速测试）与 SGLang（推荐用于服务），并给出多页与单页推理接口
- 模型已上线 ModelScope、百度智能云，支持 ms-swift 训练与 vLLM 推理，论文已发布在 arXiv
为什么值得看
长文档 OCR 的算力与显存瓶颈有望被打破
适合谁关注
OCR、文档解析与多模态工程开发者