百度开源了一个 OCR 模型，光上个月在 HuggingFace 上就被下载了 165 万次，名字却没多少人听过。
This is a dev post classified by AGK Intelligence as AI dev tools (a tool drop), kept by the Dev Radar because it carries real work, not commentary.
百度开源了一个 OCR 模型，光上个月在 HuggingFace 上就被下载了 165 万次，名字却没多少人听过。 它叫 Unlimited-OCR，3B 参数，搁自己电脑上就能跑。 传统 OCR 处理 PDF，往往是一页页切开识别，页与页之间的上下文很容易断掉。 Unlimited-OCR 换个打法：整份文档的页面一次性喂进去，连续做多页解析。 官方给这招起了个名，叫"一次性长视野解析"。 上下文窗口拉到了 32K。 PDF 先按 300dpi 转成图片，再整批送进模型。 单张图片有两种模式。 gundam 切块处理，base 按整页处理，多页和 PDF 只用 base。 部署门槛不算高。 Transformers、vLLM、SGLang 都有现成教程，vLLM 还给了 Docker 镜像。 SGLang 能直接起一个兼容 OpenAI 接口的服务。 训练支持 ms-swift。 国内用户在 ModelScope 和百度智能云上也能直接用。 项目 6 月 22 日发布，目标写得很直白：把 DeepSeek-OCR 再往前推一步。 论文已经上了 arXiv。 算笔账。 Textract、Google Vision、Azure 这类云端 OCR，每千页大概收 1.5 到 15 美元。 放在自己机器上跑，这笔按页计费的钱就省下来了。 想先看效果，HuggingFace 上有
Posted by lumxss (34.4k followers) 1 h ago · 5 likes · 542 views · view the original post on X. Kept by the Dev Radar as AI dev tools. Tools mentioned: unlimited-ocr, unlimited-ocr.
More dev work like this
- HY4 just got vision. — @Chinazhidx
- Tencent released Hy4, its new flagship model with performance among the top open models… — @testingcatalog
- 照着一个网站做练习，截图发给 AI，电脑上看着差不多，缩到手机宽度，间距、换行和菜单又全对不上。 — @GitHub_Daily
- Hy4 is a big step up from Hy4 preview in coding & agentic benchmarks, from 26.3 to 44.4… — @MiaAI_lab
- Running coding agents in parallel shouldn’t mean losing track of their changes. — @DanKornas
- Muse Code is coming shortly too — @robinebers
- 混元4来了，从评分上和kimi-k3.1不相上下？ — @mylifcc
- DeepSeek STQ 1.75bpw v2.0 is here! Custom tunings cut ~15% errors in every category,… — @Beamsters1
Every post is read and classified by AGK Intelligence: what it is, which market it belongs to, and whether the link is a real tool. 31.4k posts from 5k X accounts over the last 21 days, 9.2k tools, 12 markets. New posts are collected several times an hour and the full ranking is recomputed every hour — last update 2026-11-04 08:33 UTC. Full method.