Baidu выпустила Unlimited OCR 2: распознавание длинных документов локально

Что изменилось для работы с документом?

Вместо отдельного распознавания каждой страницы авторы предусмотрели один запрос с упорядоченными изображениями страниц. Результат размечен границами страниц и блоков; специальные метки обозначают продолжение блока через разрыв страницы. Для читателя это означает возможность сохранить структуру длинного документа при последующей проверке текста. Не стоит понимать слово «Unlimited» как обещание распознать документ любой длины на любом компьютере: реальные пределы зависят от режима запуска и ресурсов. s1

Baidu описывает механизм скользящего окна ссылок между текстом и изображением (SR-SWA): он удерживает ограниченный набор опорных фрагментов при чтении длинной последовательности. Заявления о качестве на MPDocBench и MarathonDocBench принадлежат авторам; редакция не воспроизводила их оценки и не сравнивала модель самостоятельно. s1 s2

Можно ли запустить её локально сейчас?

Да, исходные веса в формате Safetensors опубликованы: закреплённая ревизия содержит оба файла модели и индекс, который ссылается на оба. Есть пример работы через Python/Transformers для одной или нескольких страниц; для обслуживания множества запросов авторы предлагают свою сборку SGLang. Это технические маршруты, а не установка в одно нажатие. s1

Официальный пример Transformers проверялся авторами на NVIDIA A800-80GB с указанными версиями Python и библиотек. Это конфигурация их проверки, не минимальное требование к памяти или видеокарте. Модель исполняет код из репозитория при загрузке (trust_remote_code=True), поэтому прежде чем использовать её с личными документами, стоит оценить этот риск и читать код. Мы не запускали модель и не подтверждаем удобный бытовой сценарий на обычном ноутбуке. s1

Есть и новые сторонние пакеты для Mac с Apple Silicon: сообщество выложило варианты MLX, но их карточка требует отдельную ветку mlx-vlm, поскольку поддержка модели ещё не вошла в опубликованный основной путь. Это не готовая рекомендация для новичка и не основание обещать совместимость штатного приложения. s3

Какие ограничения важно знать?

Карточка весов помечена MIT; официальный репозиторий кода содержит отдельный текст MIT. Это разные объекты прав, и лицензии прочих зависимостей нужно проверять отдельно для своей установки. Веса доступны без запроса доступа, но наличие файлов само по себе не подтверждает скорость, качество на ваших документах или работоспособность конкретного компьютера. s1 s2

Следующий шаг: если вы инженер и у вас есть подходящая среда, изучите закреплённую карточку модели и начните с одного тестового изображения без личных данных. Для домашнего использования дождитесь подтверждённого простого пути; не принимайте пример с A800 за требование покупать такое оборудование. s1

Источники проверены 27 октября 2026 года; ревизия весов 04647c7a, репозитория кода 0cdd7877, стороннего MLX-пакета ac04b808. s1 s2 s3