百度开源3B模型Unlimited OCR，5天Star破万，长文档解析效率飙升

上线5天Star破万 开源社区沸腾

在2026年6月24日, 百度将其一具有3B参数的端到端OCR模型OCR正式进行开源, 该项目上线仅仅5天，就在GitHub上收获了超过1万颗Star, 还迅速登上了全球趋势榜、开发者工具榜这两项榜单, 以及机器学习榜、Python榜这两项榜单。按照百度官方所披露的情况, 此模型是专门针对书籍、论文等长文档场景来设计的, 上线首日就吸引了超过2万名开发者的关注, 其下载量突破了10万次, 并且社区讨论热度还在持续不断地攀升。多位技术博主, 将这一有着现象级表现的情况, 称作是“2026年最值得予以关注的开源OCR项目”。

推理仅激活570M参数 效率惊人

百度OCR模型运用创新的稀疏激活架构, 于推理进程里仅仅激活大概570M参数, 跟传统3B参数模型相较, 显存占用减少近80%。拿解析一本300页的学术论文来讲, 此模型只需单张消费级显卡就能达成, 耗时不到30秒, 然而传统OCR模型通常得要专业级显卡且耗时超过3分钟。百度技术团队在官方技术博客中宣称, 这一突破归功于“动态参数路由机制”, 它能够依照文档内容自动分派计算资源, 防止冗余计算。

打破逐页拼接限制 数十页连续解析

针对传统的OCR模型而言, 在处理多页文档之际；它必须要逐页去进行扫描, 之后再手动地去拼接；如此一来呢不但效率是特别低下的, 还极其容易产生内容异位或者是重复解析等方面的问题。百度的OCR模型凭借着引入全局上下文注意力机制；从而彻底地突破了这一限制；能够支持一次性连续解析数十页的文档；达成上下文关联方面的分析。测试所得到的数据表明；此模型在处理20页以上的长文档之时；字符识别的准确率高达99.2%；相较于逐页拼接方案提升了大约5个百分点；尤其是对于跨页图表、公式以及参考文献的识别表现十分优异。

专攻书籍论文 刷新长文档解析纪录

对百度OCR模型而言, 其核心定位是“长文档专家”, 它针对书籍场景, 针对学术论文场景, 针对技术报告等场景, 进行深度优化。在公开的DocBench长文档解析基准测试里, 该模型凭借平均92.8分的成绩, 刷新纪录, 超越Google的Vision Transformer OCR, 超越微软的LayoutLMv3模型。按照第三方评测机构TechAI Lab搞的对比测试来看, 这个模型针对中文古籍有着不错的表现, 它针对外文论文也有着不错的表现, 它针对混合排版的科技文档同样有着不错的表现, 特别是在数学公式的识别方面, 错误率仅仅只有0.3%, 在化学符号的识别方面, 错误率仅仅只有0.3%, 如此这般达到了行业顶尖水平。

开源生态迅速崛起 开发者争相接入

推行上线之后, 百度OCR模型的开源群落以令人惊叹的速率拓展, 截止到6月29日, 已经有超过120家企业以及研究机构于GitHub上递交了集成实例, 覆盖数字图书馆、学术数据库、法律文书审核等诸多领域, 知名开源社区Hugging Face也把它列为“本周推荐项目”并且下载量冲破5万次, 一位来自清华大学计算机系的开发者反馈称：“集成进程只需30分钟, API接口设计极为友好, 我们已然在毕业论文查重系统里部署运用。”。

未来展望 将推动企业级应用落地

百度官方宣称, 后续有着推出OCR模型轻量化版本的计划, 还有企业级部署方案, 对在边缘设备以及私有云环境下的性能重点予以优化。预计于今年第三季度, 会发布针对医疗病历、金融合同等垂直行业的定制化模型。与此同时, 百度已和多家国内AI芯片厂商开启联合优化, 目标在于把推理速度提高到当前的2倍以上。你去预测, 这一开源模型将会怎样改变长文档处理的工作方式呢? 欢迎于评论区分享你的看法, 去点赞收藏以使更多人看到这个技术突破。