في 27 أكتوبر، أطلقت بايدو ونشرت كمصدر مفتوح نموذج Wenxin Unlimited OCR 2، محققة لأول مرة عالميًا تحليل مستندات بعدد صفحات عشوائي، ورفعت الحد الأقصى لمعالجة OCR من عشرات الصفحات إلى "اللانهائية"، ووصلت إلى أحدث مستوى تقدمي (SOTA). أظهرت الاختبارات العملية أن النموذج قادر على تحليل السلسلة الكاملة من 7 أعمال هاري بوتر دفعة واحدة، بمجموع يتجاوز 3600 صفحة، وعلى الرغم من الزيادة الكبيرة في طول المستندات يحافظ على دقة وكفاءة معالجة عاليتين، مما يدفع تقنية تحليل المستندات نحو عصر OCR 3.0.
أظهرت الاختبارات المعيارية العامة أن النموذج Wenxin Unlimited OCR 2 حصل على درجات إجمالية بلغت 84.6 و77.1 على منصة MPDocBench المخصصة لتحليل المستندات متعددة الصفحات، وعلى منصة MarathonDocBench المخصصة خصيصًا لتقييم قدرة تحليل المستندات فائقة الطول بمستوى مئات الصفحات على التوالي، محققًا أداء SOTA من البداية إلى النهاية، متفوقًا بفارق كبير على نماذج مثل Qwen 3.8-Max وGemini-3.8-Flash وGLM-5.3-Flash وDeepSeek-4.1-Flash.
يعود هذا الاختراق إلى آلية الانتباه بالنافذة المنزلقة المرجعية المتفرقة (Sparse Reference Sliding Window Attention، SR-SWA) التي اقترحها Wenxin Unlimited OCR 2. تستلهم هذه الآلية عملية الإنسان في نسخ الكتب — فهو يركز عادةً على الصفحة الحالية، ولا يعود للاطلاع على المحتوى ذي الصلة إلا عند الحاجة إلى التحقق من نص سابق أو البحث عن معلومات تمتد عبر صفحات، بدلاً من تقليب الكتاب كله مرارًا وتكرارًا.
أدخلت SR-SWA هذه الفكرة في حسابات الانتباه للنموذج. وعلى وجه التحديد، يضيّق بواب الصفحة (Page Gate) أولًا نطاق المرجع البصري لكل استعلام من المستند بأكمله إلى الصفحات ذات الصلة، مع نمذجة علاقات الموقع عبر الصفحات؛ ثم تُدخَل حاويات الرموز البصرية (Token Buckets) ذات الدرجات الأعلى لالتقاط التبعيات البصرية طويلة المدى. وأظهرت اختبارات التقرير أن سرعة فك الترميز لكل خطوة في SR-SWA في سيناريو المستندات بمئات الصفحات ارتفعت بمقدار 7 أضعاف مقارنة بـ Full Attention و5.6 أضعاف مقارنة بجيل R-SWA السابق.
مع تطور تقنيات الذكاء الاصطناعي، يتزايد الطلب على تحليل المستندات فائقة الطول مثل تقارير الأبحاث الطويلة والكتب الكاملة، مما يشكل تحديًا جديدًا كليًا لتقنية OCR. غالبًا ما كان نطاق تحليل OCR التقليدي محصورًا في صفحة واحدة، وكان تحليل الصفحات المتعددة يعتمد عادةً على تجميع النتائج؛ وسّع الجيل الأول من Unlimited OCR نطاق التحليل إلى عشرات الصفحات المتتالية من خلال إدخال آلية الانتباه بالنافذة المنزلقة المرجعية؛ أما Unlimited OCR 2 الصادر هذه المرة فقد تجاوز عنق الزجاجة الحسابي لتحليل المستندات فائقة الطول، حيث يقلل SR-SWA من حسابات المعلومات البصرية الزائدة، ويساعد مع آلية فك الترميز اللامحدود (Unlimited-Horizon Decoding) في خفض التكاليف الحسابية وذاكرة العرض لتحليل المستندات فائقة الطول، مما يدفع تقنية تحليل المستندات نحو عصر OCR 3.0 ويحقق تحليل مستندات بعدد صفحات عشوائي بالمعنى الحقيقي.
حظي مشروع Unlimited OCR باعتراف واسع من مجتمع المصادر المفتوحة العالمي. فبعد الإطلاق الرسمي للجيل الأول من Unlimited OCR في 22 يونيو، تصدر في اليوم التالي قائمة GitHub Daily Trending العامة وقائمة Python، وقائمة HuggingFace العالمية للنماذج وقائمة النماذج متعددة الوسائط، محققًا المركز الأول في أربع قوائم، وتجاوزت نجوم GitHub 10,000 نجمة خلال 5 أيام، لينضم إلى صف المشاريع الرائجة الاستثنائية. وحتى الآن، تجاوزت عمليات التنزيل التراكمية على Hugging Face 10,000,000 مرة، وحصد GitHub 28,500 نجمة، وحصل المشروع على إعادة نشر وتوصية من الحائز على جائزة تورينغ والعالم يان لكون (Yann LeCun).
في 12 نوفمبر، سيعرض مؤتمر Baidu World 2026 المزيد من أبرز ميزات تقنية Wenxin Unlimited OCR 2 وإمكانات تطبيقه. يحمل هذا المؤتمر شعار "المشهد التالي: المنظمة الذكية"، وسيتم خلاله إعلان أحدث نتائج الترقية لمنصة بايدو الكاملة "芯云模体" للذكاء الاصطناعي، لمساعدة الشركات والمطورين على تسريع إنزال تطبيقات الذكاء الاصطناعي ودفع تطور المنظمة الذكية.
حاليًا، تم نشر الكود وأوزان النموذج Wenxin Unlimited OCR 2 كمصدر مفتوح على GitHub وHugging Face بالتوازي، كما تم إطلاقه على منصة Baidu Smart Cloud ومنصة Baidu AI المفتوحة، ويمكن للمطورين والمستخدمين من الشركات تنزيله واستخدامه.
رابط المصدر المفتوح لـ Wenxin Unlimited OCR 2:
GitHub：https://github.com/baidu/Unlimited-OCR
HuggingFace：https://huggingface.co/baidu/Unlimited-OCR-2