百度开源文心Unlimited OCR 2再夺全球第一，长文档解析能力突破极限

时隔四个月，百度正式开源新一代文档解析模型——文心Unlimited OCR 2。该模型总参数量达3B，每次推理实际激活仅500M，却在多项权威基准测试中表现卓越。

在百页级长文档基准MarathonDocBench（覆盖103至300页）测试中，文心Unlimited OCR 2获得77.06分，位列全球第一；在多页跨页基准MPDocBench测试中，其得分为84.59分，同样位居榜首。

实测显示，模型能够处理超过3600页的PDF长文档。在对《哈利·波特》七部曲共计3623页的连续阅读测试中，模型耗时1小时30分钟完成翻页，平均每秒处理约1.5秒内容，且全程未出现断章或遗漏。

针对跨页文本连续性、复杂表格及数字精确识别等挑战进行了专项验证。模型在5026页的《四大名著》合订本中准确输出结尾偈语，并能识别文中埋设的形近字陷阱与篡改页码，同时成功跨越插图接上中断的段落文字。

在财务数据测试中，模型对包含176笔负数冲销的300页酒店经营总账进行了处理，最终计算出的净额为9,258,968.05元，与原始账本核对精确到分，且实现了表头自动合并与串行数据的零漏项。

此外，模型还通过了英文技术报告的图文截断拼接、双页非对称三栏折页及密集脚注等版面测试。目前，该模型及相关权重已在GitHub和HuggingFace平台全面开源。”keywords