A1intelligence — канал об искусственном интеллекте

Baidu выпустили в opensource революционную модель для распознавания текста — Unlimited-OCR. Главная фишка: она парсит десятки страниц за один проход, не сбрасывая память после каждой страницы. Обычные OCR-модели на длинных документах раздувают KV-кэш, тормозят и поэтому режут PDF постранично с потерей контекста между страницами. Unlimited-OCR держит память плоской независимо от длины вывода. Секрет — новый механизм внимания R-SWA: модель всегда видит исходную картинку документа, но из сгенерированного текста смотрит только на последние ~128 слов. Скользящее окно фиксированного размера → постоянная скорость и фиксированная нагрузка на память даже на длинных документах. По цифрам: 93% на OmniDocBench v1.5 — на 6 пунктов выше DeepSeek-OCR, плюс до +35% к скорости на длинных выводах. Для RAG-пайплайнов то что надо: меньше препроцессинга, меньше кода для сшивки страниц, более связный текст на выходе. Забираем — здесь. #апдейтымоделей #opensource