百度10月27日通过GitHub和Hugging Face发布并开源文心Unlimited OCR 2，称该模型可一次解析任意页数文档，把OCR处理上限从数十页推至“无限”。雷峰网称其为全球首次实现任意页数文档解析，并称这推动文档解析进入OCR 3.0时代。
据MarkTechPost报道，Unlimited OCR 2是3.34B参数的视觉语言模型，采用MIT许可，最大位置长度为131072个token，BF16权重约6.7GB，百度在NVIDIA A800-80GB单卡上完成测试。模型配置延续DeepSeek-OCR式布局，由SAM ViT-B加CLIP-L编码器连接12层混合专家解码器，每个token路由至64个专家中的6个，另有2个共享专家；百度未披露激活参数数量。多页模式下每页消耗273个图像token。
模型的核心变化是稀疏参考滑动窗口注意力机制（SR-SWA）。MarkTechPost报道称，全注意力成本随序列长度二次增长，解码时每个新token都要扫描更长的KV缓存；SR-SWA把文本与视觉之间的注意力压缩为固定参考集，模型卡给出的示例规模为512个token，配置为128个token局部窗口加32个token块上的top-16选择，合计512个token预算。雷峰网报道称，页面门控先把每个查询的视觉参考范围从整份文档缩小到相关页面，并建模跨页位置关系，再选取得分最高的视觉token桶捕捉长距离依赖；在百页文档场景中，SR-SWA单步解码速度相比Full Attention和上一代R-SWA分别提升7倍和5.6倍。MarkTechPost称，该机制使每步解码延迟和内存随文档增长近乎恒定，但图像编码和总运行时间仍随页数增加。
据雷峰网报道，Unlimited OCR 2在MPDocBench和MarathonDocBench上的综合得分分别为84.6分和77.1分，达到端到端性能SOTA，领先Qwen 3.8-Max、Gemini-3.8-Flash、GLM-5.3-Flash、DeepSeek-4.1-Flash等模型。MarkTechPost称，百度自报在测试的两个多页基准上均列第一，对比对象包括9个其他模型；MarathonDocBench上Kimi-K3为33.7分，Gemini-3.8-Flash为28.6分，前代Unlimited-OCR为0.0分；Qwen3.8-Max从MPDocBench的78.3分降至百页文档的22.9分，Unlimited OCR 2则下降7.5分，最低子项为标题层级48.2分。据MarkTechPost报道，MPDocBench-Parse是包含433份文档、3246页的公开基准，但其未找到MarathonDocBench的公开版本；雷峰网则将该基准列为公开基准测试。MarkTechPost还称，上述分数均为百度自报，且只出现在一张图表图像中。
运行方面，模型卡列出Transformers用于快速测试、SGLang用于服务；Transformers的infer处理单页并动态切图，infer_multi一次请求解析整份文档以保留跨页上下文，加载需设置trust_remote_code=True。SGLang服务使用百度定制wheel，而非上游SGLang；示例每窗口调度10页并复用上一窗口的KV尾部，更小窗口会降低峰值内存但削弱跨页合并。百度警告，默认bias设置可能触发462MiB分配并导致内存不足。雷峰网称，第一代Unlimited OCR于6月22日发布后次日登顶GitHub Daily Trending总榜、Python榜、HuggingFace全球模型总趋势榜和多模态模型趋势榜，GitHub Star 5天突破1万；截至报道，Hugging Face累计下载量超过1000万次，GitHub获2.85万Star，获杨立昆转发推荐。11月12日百度世界2026大会将进一步展示该模型。