AI Pulse
📡 X 信号

中国开源社区开源Unlimited-OCR 模型(3B params)

中国开源社区开源Unlimited-OCR 模型(3B params)

中国开源了一个花生大小的 OCR 模型,能一次性解析整份 100 页的 PDF。

它叫 Unlimited-OCR。只有 3B 参数。可在本地运行。其他所有 OCR 工具都会把文档拆成一页一页,然后丢失上下文。而这个模型是一次性通读全文。

→ 一次性“长程”解析(32K 上下文窗口)
→ 开箱即用,支持多语言
→ 在 OmniDocBench v1.5 上得分 93%(比 DeepSeek-OCR 基线高 6 个点)
→ 超过 40 页后,编辑距离仍保持在 0.11 以下
→ 100% 在你自己的硬件上本地运行
→ 兼容 Transformers、vLLM、SGLang 和 Docker

传统的云端 OCR(Textract、Google Vision、Azure Document Intelligence)通常每 1000 页收费约 1.50–15 美元。而这个在你的机器上运行。免费。永久免费。

百度开发它,是为了把 DeepSeek-OCR 再往前推一步。它现在在 Hugging Face 上已有数百万次下载,但大多数人仍然不知道它的存在。

100% 开源(MIT 协议)。
https://github.com/baidu/Unlimited-OCR

本文由 AI 翻译自英文原帖,技术名词保留英文。

查看 X 原帖

订阅 AI Pulse

每天 08:00 · 12:30 · 18:30 · 23:50 更新