家人們，今天 AI 圈出大事了，百度這波操作簡直是「悄悄努力，然後驚豔所有人」！

就在剛剛，百度開源了一個叫 Unlimited OCR 的新模型。總參數 3B，實際運行時激活的參數居然只有 500M。500M 是什麼概念？在大模型動輒幾十 B、上百 B 的時代，這點參數連個零頭都算不上，簡直像個「網頁小插件」。

然而，就是這個小到不可思議的「小蝦米」，在 OmniDocBench 的權威跑分榜上，直接把一眾巨頭給乾沉默了：

• Unlimited OCR（500M）：93.23分
• Qwen3-VL（235B）：89.15分
• Qwen2.5-VL（72B）：87.02分
• Gemini-2.5 Pro（未公開）：88.03分

發現盲點了沒有？一個體量只有別人幾百分之一的小模型，反手就把市面上最強的幾位「頂流大哥」全給秒了。這已經不是彎道超車了，這是直接開著五菱宏光把法拉利給超了啊！

為什麼以前的 AI 讀書，總是「讀了後面忘前面」？

平常有在用 AI 處理長文檔的朋友，一定遇到過這種高血壓名場面：給它一份幾十頁的 PDF，它讀到第 10 頁，就把第 1 頁的內容忘得精光。

這是因為傳統的 AI 在處理長文本時，記憶體（KV Cache）會像滾雪球一樣瘋狂暴漲，電腦根本吃不消。所以之前的工程師只能玩「拼圖」，讓 AI 跑個循環，看完整一頁就把記憶清空，再看下一頁。能用是能用，但本質上就是個「人工智障」。

但我們人類抄書、讀書可不是這樣的。我們手在寫這一行，眼睛看著下一行，餘光瞄著上一行，至於前天抄了什麼，大腦早就「該忘就忘」了。這種能力在心理學上叫「軟遺忘」（Soft Forgetting）。

百度把「抄書的祕密」寫進了代碼

這次百度最厲害的地方，就是把人類這種「大局觀拉滿、但只留近期記憶」的騷操作，塞進了模型裡。他們研發了一項核心黑科技：參考滑動窗口注意力機制（R-SWA）。

聽不懂沒關係，你只需要知道，它讓模型在看文檔時：

1. 全局可見：整張圖片和提示詞永遠烙在腦子裡，不會看錯行。
2. 記憶控量：輸出端永遠只保留最近的 128 個字。

這麼一搞，內存佔用直接鎖死！無論你是讓它讀 20 頁還是 40 頁，它的速度和內存都穩如老狗，從頭到尾一條平線，再也不會因為「記憶過載」而降速或胡言亂語。配合上DeepSeek同款的 DeepEncoder 壓縮大法，一次推理讀完幾十頁，完全不復讀、不降速！

瓜民最愛：作者名單裡的「神秘代號」

除了技術牛逼，這篇論文最讓老司機興奮的，其實是八卦。

看過 DeepSeek 報告的人，讀到這篇論文的行文風格都會有一種強烈的熟悉感。再翻到作者名單一看，核心貢獻者裡，前兩位都用了真名，唯獨技術總監這一欄，神祕地掛了個縮寫：「YY」。

圈內人順藤摸瓜，結合 GitHub 致謝名單前兩位高高掛著的 DeepSeek-OCR，答案呼之欲出——這大概率就是今年 4 月剛從 DeepSeek 離職的 OCR 靈魂人物、 GOT-OCR2.0 的主導者魏浩然！

不得不說，百度這次是真下血本了。今年把人才計劃升級、薪酬不設上限，硬生生把這位前沿大牛給挖了過來。有魏浩然的前沿研究品味，加上百度原本就稱霸國內產業底座的 PaddleOCR，這兩者結合，簡直是強強聯手。

老司機心裡話：

以前大家都覺得百度做 AI 偏實用主義、有點傳統，但這次 Unlimited OCR 用實力證明了，百度要是認真玩起前沿科技，依然是那個能打的「大廠一哥」。目前代碼和模型都已經在 GitHub 和 HuggingFace 全面開源，感興趣的極客朋友們，趕緊去衝一波代碼吧！

🙋‍♂️ 常見問題解答（FAQ）

1. 問：參數只有 500M 的模型，為什麼能打贏 235B 的 Qwen3-VL？

   答：這就是「術業有專攻」。Qwen3-VL 是全能型的多模態大模型，什麼都要學；而 Unlimited OCR 是專門為文檔解析和 OCR 任務量身定制的 MoE 小模型。再加上百度這次魔改了注意力機制（R-SWA），讓它在解析特定文檔時的效率和精準度實現了降維打擊。

2. 問：什麼是 R-SWA 技術？它解決了什麼痛點？

   答：R-SWA 全稱是「參考滑動窗口注意力機制」。它解決了傳統 AI 處理長文檔時「內存隨字數暴漲、導致模型降速和失憶」的痛點。它讓模型一邊保持對整張圖的視覺感知，一邊把輸出的記憶體固定成一個隊列（只記最近128個 token），從而實現超長文本解析不降速、不崩潰。

3. 問：Unlimited OCR 現在可以免費使用嗎？在哪裡找？

   答：是的！百度這次非常大氣，已經把模型和代碼全部開源了。開發者和 AI 愛好者可以直接在 GitHub 和 HuggingFace 上搜索「Unlimited-OCR」免費下載並部署體驗。