一整套《哈利·波特》，7 部，3600 多页。百度今天开源的文档解析模型，一次提交就把它读完了。
更值得看的是显存。百页级文档，它的峰值 KV 缓存压到 1.77GB。上一代的常规做法要 47GB。
10 月 27 日，代码和权重一起放了出来百度发布并开源文心 Unlimited OCR 2。代码在 GitHub 的 baidu/Unlimited-OCR，权重在 HuggingFace 的 baidu/Unlimited-OCR-2，协议是 MIT。同一天上线百度智能云和百度 AI 开放平台。
图1、百度官方 X 发布帖 @Baidu_Inc
官方 X 账号的发布帖点了三件事，任意长度的文档解析，几乎不变的单步延迟和显存，以及在两个多页基准上拿到 SOTA。
上一代 Unlimited OCR 是 6 月 22 日发的，5 天内 GitHub Star 破万。到今天，这个仓库已经 2.9 万 Star。
页数上限，卡了 OCR 很多年传统 OCR 的解析范围基本停在单页，多页文档靠把每页结果拼起来。拼出来的毛病很具体，跨页的表格被拦腰截断，跨页的段落被页码切开，顺序和语义都得人工再接一遍。
第一代 Unlimited OCR 用参考滑动窗口注意力，把范围推到连续几十页。第二代换了稀疏参考滑动窗口注意力，也就是 SR-SWA，官方说这一版把页数上限拿掉了。
思路是抄书，只看当前那一页SR-SWA 借鉴的是人抄书的过程。抄的时候眼睛主要盯着正在抄的那页，只有需要核对前文，才回头翻一翻，不会把整本书同时摊开。
图2、官方模型卡列出的三条新增能力
落到计算上是两层。页面门控先把每个查询的视觉参考范围，从整篇文档缩小到相关的那几页，同时建立跨页的位置关系。再引入得分最高的视觉 token 桶，用来抓长距离的依赖。
官方的说法是，把文本与视觉之间的注意力交互，压缩到一组固定大小的工作参考里，例如 512 个 token。复杂度被限死，单步延迟和显存就不再随文档变长而上涨。
另一半叫无限视界解码。长文档被切成块顺序处理，块与块交界的那几页复用 KV 缓存，不活跃的缓存直接释放。
两个基准都第一，但有一个要说明面向多页文档的 MPDocBench，它拿 84.6 分。第二名 Qwen3.8-Max 是 78.3，差 6.3 分。Gemini-3.8-Flash 76.2，GLM-5.3-Flash 68.0，DeepSeek-4.1-Flash 66.2，上一代 Unlimited OCR 61.9。
图3、官方评测榜 Overall 分数对比
面向百页级超长文档的 MarathonDocBench，它拿 77.1 分，Kimi-K3 是 33.8，差 43.3 分。
需要说明的是，MarathonDocBench 是这次随模型一起发布的新基准，同样出自百度。两个榜单上的第一，都是官方自己的端到端口径。
差距拉得最大的地方在长文档。几十页这个量级，各家还在一个水平线上，上了百页，多数模型掉到二三十分。
47GB 压到 1.77GB，吞吐翻近四倍官方技术报告给了单序列的实测。标准解码要把所有页面的视觉缓存同时留在显存里，峰值 47.00GB。无限视界解码把这一块压到 1.77GB。
图4、官方技术报告里显存与吞吐的对照
吞吐同时上去了，16 并发下从 360 TPS 涨到 1315 TPS。单步解码速度，官方给的是相对 Full Attention 提升 7 倍，相对上一代 R-SWA 提升 5.6 倍。
一张 12GB 的消费卡，装得下模型是 3B 总参的 MoE，每个 token 只激活 500M。BF16 权重约 6.7GB。
加上单序列 1.77GB 的 KV 缓存，总量不到 9GB。一张 12GB 的消费级显卡放得下，剩下的留给并发。
这一条要标清楚。官方 README 给的测试环境是 NVIDIA A800-80GB，没有面向消费级显卡的实测数据。「装得下」是按参数量和显存占用算出来的，不是官方跑出来的成绩。
MIT 协议，两个平台同步上线HuggingFace 上的模型卡标着 MIT，参数量 3.34B。仓库支持 Transformers 直接加载，也支持 SGLang 部署，官方推荐后者用于服务。
图5、百度智能云产品页上的能力说明
百度智能云和百度 AI 开放平台同步接入了这个能力，产品页写的是显存与解码双向优化，跨页表格合并，段落衔接和标题分级，另外开了公测。
11 月 12 日的百度世界 2026 大会，官方说会展示这个模型的更多细节。
长文档解析真正卡住的地方，不是认不认识字，是读到第 300 页还记不记得第 3 页。SR-SWA 没有把整本书塞进上下文，它只记住该记的那几页。
页数上限消失的前提也在这里。显存不再随页数涨，1.77GB 是个常量，不是某一篇文档的运气。