百度刚开源了一个叫 Unlimited OCR 的模型，专门解决长文档解析的问题——比如你有一份40页的合同PDF，以前得一页一页识别再拼起来，现在可以一次性从头读到尾，输出完整的结构化文本。
这个模型技术上有个有意思的点：它引入了 R-SWA（参考滑动窗口注意力）机制，模仿人抄写长文时的工作方式——眼睛始终看着原文，手上只保留最近写的那几行作为工作记忆，而不是把所有写过的话都记在脑子里。这样模型的显存占用就不会随输出长度无限增长，解析速度也不会越来越慢。
实测数据：在6000个token输出时，比 DeepSeek OCR 快35%；在权威的 OmniDocBench v1.6 测试中拿到93.92%的综合分，刷新端到端OCR纪录。总参数3B，推理只激活570M，MIT协议开源。
这跟河南的企业有什么关系？
我做AI培训时接触过不少本地企业，文档处理是个真痛点——不是那种听起来很酷的痛点，是财务每月要对几百张发票、法务要看几十页合同、行政要整理各类证照扫描件那种实打实的重复劳动。
之前跟一些企业聊OCR方案，普遍的反馈是：
- 传统OCR（比如百度的PaddleOCR）识别单页没问题，但遇到多页PDF要自己写脚本逐页处理，结果拼起来容易出格式错乱
- 大模型方案（比如直接丢给GPT-4o）能理解内容，但贵，而且长文档容易读到后面忘了前面
- DeepSeek OCR出来后成本降了，但页数一多速度就明显变慢，20页以上的文档体验不好
Unlimited OCR 恰好卡在这个缝隙上：它不是通用大模型，专注做文档解析这一件事；同时解决了长文档越读越慢的问题；3B参数量部署成本也相对可控——一台带24G显存的显卡就能跑。
但模型只是第一步
我观察到一个现象：很多企业不是没有好工具，是不知道怎么把工具嵌到自己的业务流程里。
举个例子：某物流公司每天收到50+份运输合同扫描件，法务要人工提取关键条款（甲乙方信息、金额、违约条款）。Unlimited OCR能一次性解析40页合同输出Markdown，但这一步只是把纸变成字，后面还需要——
- 用规则或另一个模型提取关键信息字段
- 跟现有合同管理系统对接
- 做异常检测（比如金额跟订单不匹配）
- 设定审核流程
这才是完整的解决方案，也是我们做AI培训时反复强调的：AI落地不是装个模型就完了，是把模型嵌进业务流程的最后一公里。
部署门槛到底高不高？
Unlimited OCR 支持 Transformers、vLLM、SGLang 多种部署方式，也提供了 Docker 镜像。最低要求大约是24G显存的GPU（如RTX 3090/4090），对中小企业来说不算天文数字，但也确实不是下载就能用的水平。
如果暂时没有GPU资源，等百度把这套能力接入千帆平台后，按API调用的方式可能更适合中小企业的起步阶段。
代码和模型权重都在 GitHub（baidu/Unlimited-OCR），MIT协议，商用没问题。
相关阅读：
– 传统企业想用AI却不知道从哪开始？这套思路帮你理清
– 办公用AI的6个真实场景：从写邮件到做报表
