百度近日正式开源了一款参数量为3B的端到端OCR模型，命名为Unlimited OCR，专为书籍、论文等长文档解析场景而设计。该项目一经上线便迅速引发关注，GitHub和HuggingFace四项趋势榜相继登顶，开源仅5天Star数便突破万颗，其受关注程度可见一斑。

从技术层面来看，该模型实际推理时激活的参数量仅约570M。值得关注的是，它首次引入了Reference Sliding Window Attention机制（简称R-SWA）。这一创新设计有效打破了传统“逐页解析再拼接”的局限，能够一次性连续处理数十页文档，同时在解码阶段保持KV Cache稳定在固定范围内——这意味着显存占用和计算成本不会随着输出长度的增加而同步飙升。

在OmniDocBench v1.6基准测试中，Unlimited OCR取得了93.92%的成绩，直接刷新了榜单纪录。从实际应用场景看，其推理速度比DeepSeek OCR快了约12.7%；当输出长度达到6000Tokens时，这一优势进一步扩大至35%。对于海量文档的数字化处理以及大模型的长程记忆管理而言，这条技术路径的确提供了全新的可能性。