Baidu stellt OCR-Modell Unlimited OCR 2 quelloffen vor
Modelle
Der Suchmaschinenbetreiber Baidu hat sein Texterkennungsmodell Unlimited OCR 2 veröffentlicht und als Open Source freigegeben. Das Modell kann laut den Berichten Dokumente ohne feste Seitenobergrenze am Stück verarbeiten. In einem Test las es nach Angaben von Quantum Bit alle sieben Bände von Harry Potter durchgehend ein, zusammen mehr als 3600 Seiten, sowie die komplette Trisolaris-Trilogie mit über 1200 Seiten.
Kernstück ist laut den Quellen die Sparse Reference Sliding Window Attention (SR-SWA), die sich am Vorgehen menschlicher Abschreiber orientiert: Das Modell konzentriert sich auf die aktuelle Seite und schaut nur bei Bedarf auf frühere Seiten zurück. Ein sogenanntes Page Gate wählt dafür relevante Seiten aus, ein Token Sieve wählt innerhalb dieser Seiten die relevanten Bildausschnitte. Ergänzt wird dies durch ein Decoding-Verfahren, das Dokumente in überlappende Blöcke zerlegt und nicht mehr benötigte Zwischenspeicher freigibt. Nach Angaben von Baidu sinkt dadurch der Spitzenwert des KV-Caches bei einem Test mit hundertseitigen Dokumenten von 47 Gigabyte auf 1,77 Gigabyte, ein Rückgang um rund 96 Prozent. Bei 16 parallel verarbeiteten Dokumenten steigt laut der Meldung der Durchsatz von 360 auf 1315 Token pro Sekunde. Auf den Benchmarks MPDocBench und MarathonDocBench erreichte das Modell laut Quantum Bit 84,59 beziehungsweise 77,06 Punkte, laut PingWest 84,6 und 77,1 Punkte. PingWest berichtet zudem, das Modell liege damit vor Qwen 3.8-Max, Gemini-3.8-Flash, GLM-5.3-Flash und DeepSeek-4.1-Flash. In einem von Quantum Bit durchgeführten Test mit 884 Seiten aus Der Herr der Ringe dauerte die vollständige Verarbeitung rund 42 Minuten und 56 Sekunden, bei 466 markierten seitenübergreifenden Zusammenführungen.
Die Vorgängerversion Unlimited OCR wurde laut PingWest am 22. Juni veröffentlicht und erreichte Spitzenplätze auf GitHub- und Hugging-Face-Trendlisten. Die Downloadzahl auf Hugging Face gibt Quantum Bit mit über 10 Millionen an, die Zahl der GitHub-Stars mit rund 28.600, PingWest nennt 28.500. Der Code und die Modellgewichte von Unlimited OCR 2 sind laut PingWest auf GitHub und Hugging Face sowie auf der Baidu-Cloud-Plattform und der Baidu-AI-Plattform verfügbar. PingWest berichtet zudem, Baidu wolle das Modell am 12. November auf der Konferenz Baidu World 2026 weiter vorstellen.
Offen bleibt: Die Leistungsangaben stammen aus dem technischen Bericht von Baidu selbst sowie aus Berichten, die sich darauf stützen; eine unabhängige Bestätigung der Benchmark-Werte liegt nicht vor.
Quellen: Quantum Bit RSSHub · PingWest
