百度的这个新OCR可以，Unlimited OCR，解决长文档OCR速度衰减和显存膨胀问题，几十页文档一次性匀速解析完

3B MoE（激活5亿参数），端到端文档解析，可本地部署

基于DeepSeek-OCR微调，核心是R-SWA，输出6000 token时比DeepSeek-OCR快约35%

传统LLM解码器的KV cache会随输出变长而不断膨胀，导致又吃显存又慢

R-SWA模拟人类抄写的工作记忆，生成每个token时始终能看到全部图像视觉token，对已生成文本只回看最近128个，KV cache变为固定容量队列，使单token的注意力计算开销不再随输出长度持续增长，无论输出1万还是10万token，显存和计算成本保持恒定

每页1024×1024图像压缩成256 token，32K上下文单次前向解析40+页，不漏行、不重复（Distinct-35 97%）

直接输出Markdown/JSON，支持表格、数学公式、阅读顺序恢复，可以作为RAG和知识库的数据入口

这个机制还可以扩展到ASR、机器翻译这种长序列生成上

github：http://t.cn/AXSbAeUt

#OCR##UnlimitedOCR##文档解析# http://t.cn/AXlxfqKi