一个 OCR 模型，5 天 GitHub Star 破万。说真的，我刷到这个消息的时候愣了一下。等等，OCR？这不是一个有年代感的技术方向吗？怎么会在 2026 年突然炸成这样？

但数据就摆在那儿。百度开源的 Unlimited OCR，发布次日登顶 GitHub Daily Trending 榜和 Python 榜，紧接着在 HuggingFace 全球模型总趋势榜和多模态模型趋势榜也拿下第一。

四个榜，全部第一。

我印象里上一次有一个 OCR 项目能引发这种级别的关注，好像还真没有过。

然后我去看了看海外开发者的反应，更有意思了。X 平台上 17.4w 粉丝的 Charly Wargnier 直接管它叫“绝对改变游戏规则的作品”，底下一堆开发者跟着转。而 Ashirwad Singh 的表述就更具体了“百度刚刚发布了 Unlimited-OCR。完整文档单次处理。无需分块。无上下文断裂。脆弱 PDF 流水线的时代即将结束”。

注意他用的那个词“脆弱 PDF 流水线”。做过文档处理的朋友应该都懂那种痛，一份 40 页的合同，得逐页切割，分别识别，再把结果拼回去，中间任何一个环节出问题，整个内容就崩了。

3W 粉丝的开发者 Kanika 说了句特别有意思的“百度悄悄地把 Unlimited OCR 放到了 Hugging Face 上，我觉得他们没想到会有这么多人找到，那些按页面收费的公司不会喜欢这么好的项目如此火爆传”。

一个 MIT 协议开源的项目，直接冲击了别人的付费模式。你说那些按页收费的公司看到这个，能不紧张吗？

但最让我觉得有信息量的，是 6.1w 粉丝的 Jafar Najafov 的分析。他说“百度刚刚用一个拒绝逐页阅读文档的模型回应了 DeepSeek-OCR。这之所以重要，原因很简单。当你将长文档拆分成单独的页面时，模型会忘记之前的内容，因此结构和含义会在页面中断处崩解。Unlimited-OCR 将整个视域保持在上下文中”。

拒绝逐页阅读文档的模型，这个描述太准了！

至于Unlimited OCR 为什么能做到这些，核心靠的是一个叫 R-SWA 的注意力机制。说大白话就是，它模拟的是人类抄书的过程，眼睛始终盯着原始文档，手边只留最近写的那几行当「工作记忆」，而不是把前面抄过的所有内容全记在脑子里。这样不管文档有多长，模型的显存占用都是恒定的。

3B 的参数规模，在 OmniDocBench v1.6 上跑到 93.92% 刷新了 SOTA，比 DeepSeek OCR 高了 6.22%，处理 6000 token 时推理速度还提升了 35%。40 页以上的文档一次性搞定，显存不炸。

Jafar 说它“回应了 DeepSeek-OCR”，从数据上看确实站得住。

其实吧，我自己的判断是这样的。OCR 看起来是个老问题，但长文档解析才是 AI 真正落地到企业场景的一块硬骨头。你想想看，合同、论文、财报，真实世界里最重要的文档，恰恰全都是长文档。过去这两年大家都在卷大模型的「聪明程度」，参数越来越大，benchmark 越刷越高，但「能不能把一份 40 页的合同完整、连贯地读下来」这种听起来没那么性感的基本功，反而一直被忽略。

Unlimited OCR 火成这样，恰恰说明全球开发者真正需要的，可能就是这种能解决实际问题的东西，而不一定是更大更炫的模型。

真如开头所说，一个 OCR 模型5 天破万 Star。全球开发者已经用脚投票了，长文档解析这块，百度这次确实踩到了真需求上。