Baidu publie Unlimited OCR 2

LLéna

Baidu a publié en open source Unlimited OCR 2, un modèle de vision et de langage de 3 milliards de paramètres capable de traiter des documents de plusieurs centaines de pages en une seule requête, selon AlphaSignal. Ce format vise les documents longs, dont la lecture peut nécessiter de relier des informations éloignées dans le même ensemble, plutôt que de traiter chaque page comme un élément isolé. Pour limiter la mémoire mobilisée au fil de l’analyse, le modèle utilise SR-SWA, un mécanisme d’attention qui résume l’historique dans un pool de référence de taille fixe. Son traitement multipage vise aussi à préserver les liens entre les pages, notamment pour les tableaux, les références et l’ordre de lecture, qui contribuent à comprendre la structure d’un document. La publication est sous licence MIT et comprend des voies d’inférence avec Transformers, SGLang et vLLM ; ces outils sont indiqués pour l’inférence, sans précision sur les performances du modèle dans chaque configuration. Baidu affirme enfin que Unlimited OCR 2 obtient des résultats de pointe sur MPDocBench et MarathonDocBench. Ces scores sont rapportés par l’éditeur et peuvent dépendre des paramètres d’évaluation ; ils ne suffisent donc pas à établir une comparaison dans des conditions identiques, un point à garder en tête pour apprécier les performances annoncées.