바이두는 Unlimited OCR 2를 출시했습니다. 이는 매우 긴 문서에 적합한 오픈소스 OCR 모델입니다. 3B 모델은 한 번의 요청으로 수백 페이지에 달하는 책, 서류 및 보고서를 처리할 수 있습니다.其核心 변화는 SR-SWA라는 스파시스 액션 스킴으로, 각 단계의 디코딩 비용을 거의 일정하게 유지합니다. 가중치는 MIT 라이선스 하에 배포되며, 코드는 GitHub에 있습니다.
TL;DR
- 크기: 3.34B 개의 매개변수. 활성 매개변수는 공개되지 않았습니다. 최대 위치 길이는 131,072 토큰입니다.
- 실행 가능한 환경: BF16 형식의 1개 CUDA GPU. 바이두는 NVIDIA A800-80GB 장비를 사용하여 테스트했습니다. BF16 weight는 총 6.7 GB입니다.
- 성능: 바이두가 테스트한 다페이지 벤치마크에서 두 가지 모두에서 1위를 차지했으며, 다른 9개 모델과 비교되었습니다 (자체 보고).
- 최고점: MarathonDocBench에서 전체 77.1점(수백 페이지 기준). 다음 모델인 Kimi-K3은 33.7점을 기록했습니다.
- 최악: MarathonDocBench에서 헤딩 계층 구조(TEDS) 점수가 48.2로, 이는 가장 낮은 하위 점수입니다.
Unlimited OCR 2란 무엇인가요?
Unlimited OCR 2는 바이두에서 개발한 3B 규모의 시각-언어 모델로, 정렬된 페이지 이미지를 구조화된 텍스트로 변환합니다. 출력 결과에는 텍스트, 표, 공식, 그림, 제목 및 읽기 순서가 포함됩니다. 이 모델은 Unlimited-OCR를 성공적으로 구현했으며, 2026년 6월에 출시되어 DeepSeek-OCR를 더욱 발전시키는 역할을 합니다.
config는 DeepSeek-OCR 스타일의 레이아웃을 유지합니다. SAM ViT-B plus CLIP-L 인코더가 12층 혼합 전문가 디코더를 제어합니다. 각 토큰은 64명의 전문가 중 6명으로, 2명은 공유 전문가로 분배됩니다. DeepSeek-OCR 논문에서는 이 디코더를 DeepSeek3B-MoE-A570M으로 설명합니다. Baidu는 버전 2에 대한 활성 사용자 수를 명시하지 않았습니다. 다중 페이지 모드에서는 각 페이지당 273개의 이미지 토큰이 필요합니다.
SR-SWA는 어떻게 작동하나요?
전체 주의력 비용은 시퀀스 길이에 따라 제곱으로 증가합니다. 디코딩 과정에서 각 새로운 토큰은 더 긴 KV 캐시를 스캔합니다. 페이지당 273개의 이미지 토큰을 기준으로, 100페이지에는 아무런 출력도 없이 27,300개의 입력 토큰이 추가됩니다.
SR-SWA는 Sparse Reference Sliding Window Attention의 약자입니다. 이 기술은 텍스트와 시각적 주의를 고정된 작업 참조 집합으로 압축합니다. 바이두의 모델 카드는 예시 크기로 512 토큰을 제공합니다. 설정에서는 128토큰의 로컬 창과 32토큰 블록 위에 있는 상위 16개 선택으로 16개의 32토큰 블록이 결합되어 512토큰 예산에 맞춥니다.
문서가 증가함에 따라 단계별 지연 시간과 메모리는 거의 일정하게 유지됩니다. 결과를 유한한 컨텍스트 창 내에서 ‘무제한 영역’ 파싱이라고 부릅니다. 이미지 인코딩과 전체 실행 시간은 페이지 수가 증가함에 따라 여전히 증가합니다.
MPDocBench와 MarathonDocBench에서 점수는 어떻게 나오나요?
바이두 팀은 MPDocBench에서 문서당 수십 페이지로, MarathonDocBench에서는 수백 페이지로 테스트를 진행합니다. MPDocBench-Parse는 433개의 문서와 3,246페이지가 포함된 공개 벤치마크입니다. MarathonDocBench의 공개 릴리스는 찾을 수 없었습니다.
바이두의 리더보드 차트에 따르면, Unlimited OCR 2는 MPDocBench에서 84.6점을 기록했습니다. Qwen3.8-Max는 78.3점으로 뒤따르고, Qwen-3.8-Flash-Next는 77.4점입니다. MarathonDocBench에서는 77.1점을 기록했습니다. Kimi-K3는 33.7점으로, Gemini-3.8-Flash는 28.6점입니다.
베스트셀러 점수와의 차이는 진정한 이야기입니다. Qwen3.8-Max는 백페이지 문서에서 78.3점에서 22.9점으로 떨어졌습니다. Unlimited OCR 2는 7.5점이 감소했습니다. 그 전 모델인 Unlimited-OCR은 MarathonDocBench에서 0.0점을 기록했습니다.
서브스코어 (MPDocBench / MarathonDocBench):
- 94.8 / 89.6
- 공식: 89.4 / 87.9
- 읽기 순서: 92.3 / 85.3
- 표: 87.8 / 74.8
- 헤딩 계층 구조: 60.1 / 48.2
MPDocBench의 단일 지표 마진은 얇습니다. Qwen3.8-Max 점수는 텍스트에서 94.3, 공식에서 89.2입니다. 모든 그래프는 자가 보고되며 차트 이미지에만 나타납니다.
다른 오픈 OCR 모델과의 비교
| Unlimited OCR 2 | Unlimited-OCR | DeepSeek-OCR-2 | PaddleOCR-VL-1.6 | |
|---|---|---|---|---|
| 개발자 | 바이두 | 바이두 | DeepSeek | 바이두 팰렝팔 |
| 매개변수 | 3.34B | 3.34B | 3.39B | 0.96B |
| 활성 매개변수 | 공개되지 않았습니다 | 공개되지 않았습니다 | 공개되지 않았습니다 | 공개되지 않았습니다 |
| 라이선스 | MIT | MIT | Apache 2.0 | Apache 2.0 |
| 논문 / 발표 | 10월 2026년 (보고서) | 2026년 6월 (arXiv) | 1월 2026 (arXiv) | 2026년 6월 (arXiv) |
| 긴 문서 메커니즘 | SR-SWA, 512-토큰 참조 세트 | 다중 페이지 infer_multi, SR-SWA 없음 | 공개되지 않았습니다 | 공개되지 않았습니다 |
| MPDocBench 전체 | 84.6 (바이두) | 61.9 (바이두) | 보고되지 않았습니다 | 보고되지 않았습니다 |
| 마라톤도큐브베넷 전체 | 77.1 (바이두) | 0.0 (바이두) | 보고되지 않았습니다 | 보고되지 않았습니다 |
| 서비스 | 트랜스포머, 커스텀 SGLang | 트랜스포머, vLLM, SGLang | 트랜스포머, SGLang | PaddleOCR, Transformers |
각 모델의 Hugging Face 페이지에 있는 파라미터 수와 라이선스 정보. 바이두의 차트에서 얻은 벤치마크 점수입니다.
Unlimited OCR 2를 어떻게 실행하나요?
모델 카드에는 빠른 테스트를 위한 Transformers와 서비스를 위한 SGLang이 나열되어 있습니다. Transformers에서는 infer가 동적 타일링을 사용하여 1페이지를 처리하는 gundam 모드를 지원합니다. infer_multi는 1번의 요청으로 문서의 모든 페이지를 파싱하므로 모델이 페이지 간 맥락을 유지할 수 있습니다. 로드하기 위해서는 trust_remote_code=True가 필요하며, 이는 리포지토리에 있는 Python 코드를 실행하는 것을 의미합니다.
SGLang 서비스는 업스트림 SGLang이 아닌 바이두에서 제공하는 맞춤형 휠을 사용합니다. 바이두의 예시에서는 각 윈도우에 10페이지를 배치하고 이전 윈도우의 KV tail을 재사용합니다. 더 작은 윈도우는 최대 메모리 사용량을 줄이지만 페이지 간 합병 기능이 약화됩니다. 바이두는 기본 편향 설정이 462 MiB의 할당량을 유발하여 메모리가 고갈될 수 있다고 경고합니다.
주요 요점
- 무제한 OCR 2는 바이두에서 제공하는 3.34B개의 MIT 라이선스가 부여된 OCR 모델입니다.
- SR-SWA는 고정된 512토큰 참조 세트에 주의를 집중합니다.
- MarathonDocBench에서 점수는 77.1이 되며, 다음 모델은 33.7입니다.
- 헤딩 계층 구조는 약점이며, 긴 문서에서는 48.2에 해당합니다.
- 모든 벤치마크 숫자는 바이두 자체의 것입니다.
모델 카드, 기술 보고서 및 GitHub 저장소도 확인해 보세요. 또한, Twitter에서 우리를 팔로우하거나, 150k+ML SubReddit에 가입하고 우리 뉴스레터을 구독하는 것도 좋습니다. 잠깐! 당신은 텔레그램에 있나요? 이제 당신도 텔레그램에서 우리와 함께할 수 있습니다.
귀하의 GitHub 리포트, Hugging Face 페이지, 제품 출시, 웹세미나 등을 홍보하기 위해 저희와 파트너 관계를 맺고 싶으신가요? 저희와 연락하세요
Baidu가 백페이지 문서 파싱을 위한 무제한 OCR 2를 오픈소스로 공개함라는 게시물은 MarkTechPost에 처음 등장했습니다.