百度开源文心Unlimited OCR 2：KV缓存峰值降约96%，可连续解析数千页文档

百度开源文心Unlimited OCR 2

百度发布并开源文心Unlimited OCR 2。据量子位报道，该模型可连续识别并转写数千页文档，官方演示中一次性处理了7部《哈利·波特》共3600余页，以及《三体》全集1200余页。模型已在Hugging Face和GitHub开源，具体许可与使用条件以官方页面当前信息为准。

技术路径与报告数据

据技术报告，新模型在上一代参考滑动窗口注意力机制（R-SWA）基础上升级为稀疏参考滑动窗口注意力机制（SR-SWA），通过Page Gate筛选相关页面、Token Sieve筛选页面内相关视觉信息块，减少无关计算；同时引入无限解码机制，将文档分块处理并复用相邻块重叠页的视觉KV缓存，及时释放已用不上的缓存。

报告给出的百页级单序列测试中，峰值KV缓存占用从标准解码的47GB降至1.77GB，减少约96%，该数字仅指KV缓存，不含模型权重等其他显存开销；16路并发测试中端到端吞吐量从360提升至1315 Token/秒。评测方面，MPDocBench综合得分84.59，团队新建的MarathonDocBench综合得分77.06，报告称两项均为所列参评模型中的最高值。上一代Unlimited OCR累计下载量超过1000万，GitHub约2.86万Star。

限制与来源

上述缓存、吞吐与评测数据均来自官方技术报告及媒体演示，尚未见独立第三方复现；实际显存占用、速度与识别质量会随硬件、文档类型和参数设置变化，使用前请以官网及开源仓库当前信息为准。本文不构成任何采购或投资建议。来源：量子位（www.qbitai.com）。