Baidu выпустила Unlimited OCR 2 — модель для преобразования изображений страниц в структурированный текст, включая таблицы, формулы и иллюстрации. Она рассчитана на обработку книг, отчётов и других документов объёмом в сотни страниц за один запрос; максимальная длина контекста составляет 131 072 токена.

Модель содержит 3,34 млрд параметров и распространяется по лицензии MIT вместе с исходным кодом на GitHub. Для запуска требуется одна видеокарта CUDA; Baidu тестировала её на NVIDIA A800 с 80 ГБ памяти, а объём весов в формате BF16 составляет около 6,7 ГБ. В основе модели — схема разреженного внимания SR-SWA, призванная удерживать вычислительные затраты при декодировании почти на постоянном уровне.

По результатам тестирования Baidu, Unlimited OCR 2 заняла первое место на двух проверенных компанией бенчмарках. На MarathonDocBench она получила 77,1 балла против 33,7 у следующей модели, Kimi-K3; самый низкий результат модели — 48,2 балла за иерархию заголовков. Результаты представлены самой Baidu и в исходном материале независимо не подтверждены.