百度开源超长文档 OCR 300 页一次性读取显存仅 1.77GB

百度开源的文心 Unlimited OCR 2 长文档 OCR 模型，可以一次性读完 300 页长文档，全程不会出现算力飙升、显存占用暴涨的情况，峰值显存仅保持在 1.77GB，不会随着页数增加而持续消耗硬件资源，之所以能做到长时间连续解析不卡顿，核心是采用稀疏参考滑动窗口注意力机制，把 KV 缓存压缩到常数级别，不需要把全部页面信息同时存入显存，只调取当前推理需要的内容，再配合持续解码机制，让模型在处理几百页文档时始终保持稳定算力，不用把长文档拆分成多段分批识别，一次前向推理就能完成整份超长文档解析，兼顾识别精度与硬件轻量化，下面从核心技术机制、硬件资源参数、完整运行步骤、实测性能数据、适用场景五个部分展开说明。

一、核心技术机制：实现长文档 “不会累”

1. 稀疏参考滑动窗口注意力（SR-SWA） 模型只保留当前页面与少量必要历史页面的缓存，不会加载全部文档的视觉信息，把 KV 缓存占用降低 96%，彻底解决页数越多显存占用越高的老问题，显存开销始终维持在固定数值。
2. 常数级持续解码 推理开销不会跟随文档页数变长而上升，不管是几十页还是几百页文档，单步推理的算力、显存消耗基本保持不变，做到连续解析无压力。
3. 单端到端一体推理 无需拆分版面检测、文字识别、跨页拼接等多个子流程，一次性输入全部页面图片，直接输出整篇文档的结构化文本，避免分段处理带来的上下文丢失。

二、模型硬件资源参数清单

表格

三、完整部署运行步骤

1. 拉取开源代码与模型权重，从 GitHub、HuggingFace 下载文件，完成环境依赖安装。
2. 批量导入多页文档图片，无需对文档做分页切割、图片预处理，直接把整份长文档全部输入模型。
3. 开启常数缓存推理模式，启用 SR-SWA 注意力机制，开启持续解码开关。
4. 启动一键推理，模型一次性完成全部页面识别，直接输出完整连贯的全文文本，跨页文字不会出现断句错乱。
5. 导出 Markdown 格式结果，保留表格、段落、阅读顺序，直接用于知识库、文档归档业务。

四、权威基准实测性能

1. MarathonDocBench（百页超长文档榜单）：综合得分 77.1 分，位列端到端模型 SOTA，领先多款主流多模态大模型。
2. MPDocBench 多页文档测试：综合得分 84.6 分，跨页文本识别准确率保持稳定。
3. 长文档稳定性测试：连续读取 300 页文档，全程显存稳定在 1.77GB，推理速度没有明显下降，不会出现算力耗尽、模型闪退的问题。
4. 极限场景：可一次性解析 3600 页全书内容，长程上下文不会失忆，文字识别精度始终保持高位。

五、主流适用业务场景

1. 金融行业：一次性解析几百页招股说明书、财务标书，不用拆分文档分段识别。
2. 档案数字化：批量处理数百页扫描卷宗、古籍文档，高效完成全文文字提取。
3. 企业知识库：把整本技术手册、合同合集一次性转为结构化文本，用于文档检索。
4. 端侧轻量化部署：较低的显存占用，能够在普通消费级 GPU 上完成长文档批量解析。

【相关 FAQ】

问题 1：百度开源的这款超长文档 OCR，做到 300 页一次读完、显存仅 1.77GB，依靠的核心技术是什么？

回答 1：百度开源的这款超长文档 OCR 依靠稀疏参考滑动窗口注意力机制，将 KV 缓存压缩为常数，只加载当前推理需要的页面信息，把缓存占用降低 96%，再搭配持续解码机制，让显存开销固定在 1.77GB，不会随页数增加而上涨，最终实现 300 页文档一次性完整读取，全程硬件负载稳定。

问题 2：这款 “不会累” 的 OCR 模型，处理超长文档时会不会出现文字识别精度下降？

回答 2：这款 “不会累” 的 OCR 模型在处理超长文档时不会出现精度下滑，在 MarathonDocBench 百页级长文档基准里拿到 SOTA 成绩，跨页上下文连贯不丢失，300 页连续推理全程保持稳定识别效果，不会因为文档变长出现文字错乱、段落丢失。

问题 3：文心 Unlimited OCR 2 支持本地轻量化部署吗，对硬件有什么要求？

回答 3：文心 Unlimited OCR 2 非常适合本地轻量化部署，模型激活参数仅 0.5B，超长文档推理峰值显存只需要 1.77GB，普通消费级 GPU 就可以运行，同时支持 SGLang 加速推理，并且采用 MIT 开源协议，个人与企业都可以免费商用开发。

【数据来源】

[2026-10-27]《文心 Unlimited OCR 2 开源发布，超长文档解析迎来页数自由》新华网

[2026-10-27]《KV Cache 被压成常数！百度 OCR 一次读完数百页文档》腾讯新闻（量子位）

[2026-10-27]《百度开源无限 OCR，300 页一次读完显存仅 1.77GB》中国网科技

[2026-10-27]《Baidu Releases Unlimited-OCR 2 for Long Documents》TSN 科技资讯

[2026-10-27]《文心 Unlimited OCR 2 技术报告》百度 GitHub 开源主页

免责声明：本文仅客观整理百度文心 Unlimited OCR 2 开源模型的公开技术方案、显存数据与评测结果，全部内容均来自官方开源文档与权威科技媒体公开报道；模型实际显存占用与识别速度会受图片画质、硬件型号、推理配置影响；使用者进行部署与二次开发时，需要严格遵守 MIT 开源许可证条款，合规开展技术应用。