在数字化信息日益丰富的今天，文档解析的速度与准确性显得尤为重要。6月22日，百度正式开源了Unlimited OCR模型，这一重磅技术的推出将大大提升长文档解析的效率，解决了传统AI模型在处理多页文档时逐渐变慢的痛点。

Unlimited OCR模型总参数量达30亿，但在推理过程中，仅激活5亿参数，极大地优化了计算资源的使用。这种设计旨在减少在生成每个token时对显存的消耗，从而有效降低延迟，使用户体验更加流畅。传统的端到端OCR模型通常需要先检测图像中的文本框，再进行字符识别，而Unlimited OCR则摒弃了这一繁琐的流程，直接将输入图像映射为文本序列，减少了信息丢失和计算冗余。

在技术架构上，Unlimited OCR延续了DeepSeekOCR的设计理念，保留了DeepEncoder和混合专家（Mixture-of-Experts, MoE）解码器的创新。其编码端采用两级视觉编码，并在连接阶段执行16倍的token压缩，能够将1024×1024的PDF图像压缩为仅256个视觉token，从根本上减轻了预填充的负担。这一创新设计使得Unlimited OCR在处理长文档时表现得更加高效。

在训练过程中，Unlimited OCR基于DeepSeekOCR检查点继续进行了4000步的训练，冻结了DeepEncoder，专注于解码器的优化。训练数据涵盖了约200万份文档样本，数据配比为单页与多页样本约9:1，多页样本则通过拼接构造。这一严谨的训练过程确保了模型在实际应用中的高效性和准确性。