据量子位10月27日报道，国内团队SoMark开源文档解析模型OXR，主模型参数1.3B，在OmniDocBench、olmOCR-Bench和DocParsingBench三项基准中分别取得97.18、87.84和87.76分，均列第一；同日报道显示，百度发布并开源文心Unlimited OCR 2，技术报告称其可将百页级单序列峰值KV缓存从47GB降至1.77GB，降幅约96%。两套模型分别从精度、速度与超长文档连续处理切入，面向RAG、Agent等文档数据流程。
据量子位报道，OXR由深耕文档智能的SoMark团队推出，可解析文字、表格、公式、化学式等13类文档元素，输出Markdown或JSON并保留版面坐标。团队公布的完整解析测试中，在RTX PRO 6000 Blackwell 96GB显卡上解析OmniDocBench随机抽取的100页文档，OXR平均约101秒，PaddleOCR-VL-1.6和MinerU2.5-Pro分别约145秒和255秒。OXR在后训练阶段引入面向文档解析的递归自我改进RSI，将错样本和弱样本交由外部模型评判、聚类并生成下一轮训练数据，减少人工标注依赖。其版面分析为可插拔模块，开发者可替换符合业务标准的版面分析模型，再复用内容识别与阅读顺序判断能力。代码与模型权重已在GitHub和Hugging Face开放。
文心Unlimited OCR 2的升级重点在长文档连续解析。据量子位报道，上一代Unlimited OCR累计下载量超过1000万，GitHub Star约2.86万；第二代可连续识别7部《哈利·波特》3600多页，以及《三体》全集1200多页。模型采用稀疏参考滑动窗口注意力机制SR-SWA，先由Page Gate筛选相关页面，再由Token Sieve从页面中挑选固定数量的信息块，配合固定大小的局部滑动窗口，减少每一步的无关视觉计算。
在缓存控制上，文心Unlimited OCR 2引入无限解码机制，将文档划成页面块依次解析，相邻块重叠一页，复用重叠页的视觉KV缓存和上一段输出末尾的文本缓存，并释放其余页面缓存。技术报告称，百页级单序列测试中峰值KV缓存从47GB降至1.77GB，减少约96%，该数字仅指KV缓存。实测解析884页英文版《指环王》用时约42分56秒，平均每页约2.9秒，抽查第600页和第750页正文与原文一致，系统标记466处跨页合并。
评测方面，据量子位报道，文心Unlimited OCR 2在MPDocBench取得84.59分，在包含100份、每份103至300页文档的MarathonDocBench取得77.06分，两项综合得分均为报告所列参评模型最高。技术报告还称，SR-SWA单步解码速度分别为全注意力机制的7.0倍和上一代R-SWA的5.6倍；16路并发测试中端到端吞吐量从360提升至1315 Token/秒，约为标准解码的3.65倍。该模型已在Hugging Face和GitHub开源。