10月27日，百度宣布文心Unlimited OCR 2正式发布并开源，同步开启公测。该模型把文档解析的页数上限从过去的数十页直接推到“无限”，千页级材料可以一次完成解析。此前第一代Unlimited OCR开源仅5天，GitHub Star数即突破一万，并在GitHub与HuggingFace合计拿下四个榜单第一。据百度方面介绍，此次升级的目标是让招股书、合同卷宗、历史档案这类动辄数百页的材料不再受篇幅掣肘，实现一次解析、精准还原与连贯输出。
3600页一次解析，两项基准达到端到端SOTA
百度公布的实测结果显示，Unlimited OCR 2能够一次性解析《哈利·波特》全系列7部作品，累计页数超过3600页；即便文档长度大幅增加，模型仍保持较高精度与处理效率。在公开基准测试中，该模型于面向多页文档解析的MPDocBench上拿到84.6分，在专门评估百页级超长文档解析能力的MarathonDocBench上拿到77.1分，两项成绩均为端到端性能SOTA，并明显领先Qwen 3.8-Max、Gemini-3.8-Flash、GLM-5.3-Flash、DeepSeek-4.1-Flash等对比模型。百度将这一进展定位为文档解析向OCR 3.0阶段迈进。
版面要素原生切分，交付边界框与结构层级
传统长文档解析常被诟病的一点，是识别结果混成一大段文字，标题、段落与表格彼此纠缠。Unlimited OCR 2的做法是把版面理解作为模型的原生能力：由模型端到端输出结构化文档，自动完成标题、段落、表格、公式、图片等版面要素的切分与识别，同时给出边界框、块类型和结构层级，最终输出顺序与人的阅读顺序保持一致。
跨页表格与跨页段落自动接续，杜绝“拦腰截断”
财报中的合并报表、白皮书里的参数清单，一旦被分页切断便难以核对。Unlimited OCR 2可自动判断跨页表格之间的延续关系，将其合并为一张完整表格输出，从源头化解“表断页、数难找”的问题。段落被页码打断同样是长文档处理的高频痛点，该模型借助无界视域解码范式维持跨页内容的连续性，由模型在语义层面把跨页文本重新接续成完整段落，做到不丢字、不乱序、不重复，阅读体验如同从未翻页。
SR-SWA与无限解码机制压低算力开销
传统OCR的解析范围多局限于单页，多页处理往往依赖结果拼接。第一代Unlimited OCR引入参考滑动窗口注意力机制，把解析范围扩展到连续数十页；Unlimited OCR 2则进一步破解超长文档的计算瓶颈——通过SR-SWA削减冗余视觉信息的计算量，并结合无限解码机制（Unlimited-Horizon Decoding）降低计算与显存占用，从而在同等算力下实现更多、更快、更省的处理。
开源与公测渠道同步开放
开发者若希望基于开源模型探索文档解析，可通过GitHub仓库github.com/baidu/Unlimited-OCR及HuggingFace页面huggingface.co/baidu/Unlimited-OCR-2获取模型。需要更完整、可直接投入生产的开箱即用能力，则可参与公测：百度AI开放平台地址为ai.baidu.com/tech/ocr/doc_parser，百度智能云官网入口为cloud.baidu.com/product/OCR/doc_parser.html。百度表示，公测期间收集的使用体验与建议将优先纳入产品优化迭代，用户也可加入公测交流群参与打磨长文档解析能力。
小结：Unlimited OCR 2以无限页解析、跨页表格与段落自动合并、版面结构化输出为核心，把长文档处理从“数十页”推进到千页级，且在两项公开基准上取得端到端SOTA。其开源与公测并行，意味着长文档解析能力的验证门槛进一步降低。