你让 AI 读一摞连续扫描的档案，读到后面，它既可能放不下前文，也可能越来越慢。Baidu 于 2026 年 10 月 27 日发布的 Unlimited-OCR-2，想解决的正是这个问题：让 OCR——把扫描件里的文字、表格转成机器可处理数据的技术——在有限“工作记忆”里持续解析超长文档。以下效果均来自项目的 Hugging Face 发布材料，尚无独立信源或完整实验数据交叉验证。
把整摞档案换成一叠工作便签
它的核心是 Sparse Reference Sliding Window Attention（SR-SWA，稀疏参考滑窗注意力）。滑窗注意力意味着模型每一步主要查看当前位置附近的内容，不反复通读全文；稀疏参考则从大量历史内容中挑出少量相关信息，留作后续工作的参考。
可以把上下文窗口理解成一张大小有限的桌面。普通做法容易把读过的页面不断堆上桌；SR-SWA 则维持一组固定大小的“工作便签”。官方举例是 512 tokens——token 是模型处理文字和视觉信息时使用的基本单位，但这只是示例，并非已披露的固定配置。
按照发布材料，这种压缩让每一步解码的延迟和内存占用基本不随文档长度增长。注意，这里的“基本不增长”针对逐步解码，并不代表读取图片、视觉编码、I/O 或总处理时间都与页数无关。
“无限”更像持续接力
官方称它能在有限上下文窗口内实现“真正、无界”的文档解析，并消除文档增长带来的二次注意力扩展和内存瓶颈。更谨慎的理解是：模型可以依靠固定参考集持续向后处理，而不是把任意早期信息无损保留在窗口里。因此，它缓解了“越读越撑”的问题，但现有材料不足以证明它完全不会“越读越忘”。
为什么值得关注
官方还称，Unlimited-OCR-2 在数十页文档基准 MPDocBench 和百页文档基准 MarathonDocBench 上达到 SOTA——即当时最佳水平。这个方向对书籍、档案和连续扫描件尤其直接：真正的难点不只是识别单页，而是跨很多页稳定工作。
局限与未知
- 发布材料没有给出具体分数、对比模型、硬件配置或实验表格，SOTA 暂时只能视为官方声明。
- “无限”指可持续解析，不等于无限保存全部历史细节。
- 目前无法判断 SR-SWA 的收益覆盖哪些模块，也缺少代码复现实证。