10月27日、百度は文心 Unlimited OCR 2 を発表・オープンソース化し、世界で初めて任意のページ数の文書解析を実現、OCR の処理上限を数十ページから「無限」へと押し上げ、最先端水準（SOTA）に到達しました。実測では、このモデルは『ハリー・ポッター』シリーズ全 7 作を一括で解析でき、累計 3600 ページを超え、文書長が大幅に増加しても高い精度と処理効率を維持し、文書解析技術を OCR 3.0 時代へと前進させました。
公開ベンチマークテストでは、複数ページ文書解析向けの MPDocBench、および百ページ級の超長文書解析能力を専門に評価する MarathonDocBench において、文心 Unlimited OCR 2 の総合スコアはそれぞれ 84.6点と 77.1点で、エンドツーエンド性能の SOTA に達し、Qwen 3.8-Max、Gemini-3.8-Flash、GLM-5.3-Flash、DeepSeek-4.1-Flash などのモデルを大きく上回りました。
このブレークスルーは、文心 Unlimited OCR 2 が提案するスパース参照スライディングウィンドウ・アテンション機構（Sparse Reference Sliding Window Attention、SR-SWA）によるものです。この機構は、人間が書物を書き写す過程を参考にしています。通常は現在のページに集中し、前文を確認したりページをまたぐ情報を探す必要があるときにのみ該当部分を見返すのであり、本全体を繰り返しめくって確認するわけではありません。
SR-SWA はこの考え方をモデルのアテンション計算に導入しました。具体的には、まずページゲート（Page Gate）が各クエリの視覚参照範囲を文書全体から関連ページに絞り込み、同時にページ間の位置関係をモデル化します。続いて、スコアの高い視覚 Token バケット（Token Buckets）を導入し、長距離の視覚依存関係を捉えます。レポートのテストでは、百ページ級の文書シナリオにおいて、SR-SWA の1ステップあたりのデコード速度は Full Attention と前世代の R-SWA と比べ、それぞれ 7倍と 5.6倍向上しました。
AI 技術の発展に伴い、長編リサーチレポートや書籍一冊まるごとといった超長文書の解析ニーズが日増しに高まっており、OCR 技術に新たな課題を突きつけています。従来の OCR の解析範囲は多くが単一ページに限られ、複数ページ解析は通常、結果の連結に依存していました。第一世代の Unlimited OCR は参照スライディングウィンドウ・アテンション機構の導入により、解析範囲を連続する数十ページへ拡張しました。今回公開された Unlimited OCR 2 は、SR-SWA による冗長な視覚情報の計算の削減に加え、無限デコード機構（Unlimited-Horizon Decoding）を組み合わせて超長文書解析の計算量とメモリ使用量を削減し、文書解析技術を OCR 3.0 時代へと前進させ、真の意味での任意ページ数の文書解析を実現しました。
Unlimited OCR プロジェクトはすでに世界のオープンソースコミュニティから広く認められています。第一世代の Unlimited OCR は6月22日に正式公開された翌日、GitHub Daily Trending 総合ランキングと Python ランキング、HuggingFace の世界モデル総合トレンドランキング、マルチモーダルモデルのトレンドランキングで1位を獲得し、4つのランキング首位を達成、GitHub Star は 5日で 1万を突破し、現象級のヒットプロジェクトの仲間入りを果たしました。現在までに、Hugging Face の累計ダウンロード数は 1000万回を突破し、GitHub では 2.85万 Star を獲得、チューリング賞受賞者の AI 科学者ヤン・ルカン（Yann LeCun）氏による転送・推薦も受けました。
11月12日、百度世界 2026 カンファレンスでは、文心 Unlimited OCR 2 の技術ハイライトと応用の可能性がさらに展示される予定です。今回のカンファレンスは「次の幕、インテリジェント組織」をテーマに、百度の「芯雲模体」フルスタック AI の最新アップグレード成果を発表し、企業と開発者の AI アプリケーション実装の加速とインテリジェント組織の進化を後押しします。
現在、文心 Unlimited OCR 2 のコードとモデル重みは GitHub、Hugging Face に同時オープンソース化されており、百度智能云プラットフォームおよび百度AIオープンプラットフォームにも同時公開されており、開発者や企業ユーザーはダウンロードして利用できます。
文心 Unlimited OCR 2 オープンソースアドレス：
GitHub：https://github.com/baidu/Unlimited-OCR
HuggingFace：https://huggingface.co/baidu/Unlimited-OCR-2