// 01 Unlimited-OCR 是什么
快速结论
Unlimited-OCR（Unlimited OCR Works · 百度）是百度开源的多模态文档解析大模型，主打"单次长视野解析"（One-shot Long-horizon Parsing），能一次性处理超长文档而非逐块切分。截至 2026-06，模型已上线 Hugging Face 与 ModelScope，采用 MIT 协议可免费商用自部署；对应论文 arXiv 2606.23050 于 2026-06-23 发布。国内开发者可经 ModelScope 直连下载，无需梯子。
适合谁优先使用
- 需要批量解析 PDF、扫描件、长报告的 RAG / 知识库工程师
- 想自建私有化 OCR 服务、不愿把文档传第三方云的企业团队
- 对比 DeepSeek-OCR、PaddleOCR 后想要更长上下文方案的开发者
- 研究文档智能 / 多模态大模型的算法人员（开源可改）
核心能力拆解
长视野单次解析
不同于传统 OCR 把页面切成小块再拼接，它一次性解析整篇长文档，上下文长度达 32768 tokens，减少跨块信息丢失。
多模式推理
单图像提供 gundam（640 分辨率，裁剪）和 base（1024 分辨率）两档；多页 / PDF 走 base 模式（先把页面转图像再多页解析）。
PDF 多页处理
内置 PDF→图像→多页解析流程，适合整本文档而非单张截图。
SGLang 服务化部署
通过 infer.py 启动 SGLang 服务器，提供 OpenAI 兼容 API，方便接入现有应用；批量推理也走这条路径。
开源可改
基于 PyTorch（torch 2.10.0 / transformers 4.57.1，支持 bfloat16），MIT 协议，致谢并改进自 DeepSeek-OCR、PaddleOCR 等项目。
和同类工具怎么选
| 需求 | 优先考虑 | 判断标准 |
|---|---|---|
| 整本长文档 / 长报告一次解析 | Unlimited-OCR | 32768 长上下文，单次长视野 |
| 成熟稳定、中文场景文档识别 | PaddleOCR | 百度多年迭代、生态完整 |
| 纯端侧轻量识别 | PaddleOCR / 传统 OCR | 无需大模型显存 |
| 已在用 DeepSeek-OCR 想换长上下文方案 | Unlimited-OCR | 同源思路、更长视野 |
国内平替：PaddleOCR 同为百度开源、中文文档生态最成熟，轻量场景可优先。
限制与避坑
- 项目极新（2026-06 发布、提交数很少），生态与踩坑文档尚不丰富。
- 是大模型方案，本地部署需 GPU 显存，远重于传统 OCR 引擎。
- 批量推理必须经 infer.py 启动 SGLang 服务器，不是开箱单文件调用。
- 具体参数量、OmniDocBench 等基准分数 README 暂未公布（待核实，可查 arXiv 2606.23050）。
- GitHub 国内访问不稳，建议走 ModelScope 下载权重。
NavXD 使用建议
当你要把成批 PDF / 扫描长文档喂进 RAG 或知识库、又希望私有化部署不外传数据时，Unlimited-OCR 的长视野单次解析最能体现价值；若只是零散截图取字或追求轻量稳定，PaddleOCR 等传统方案更省心。
常见问题
Unlimited-OCR 收费吗？
免费。MIT 开源协议，可自由商用和二次开发，成本主要是自部署的算力。
国内能用吗？
能。模型同步上线 ModelScope（国内直连下载），无需梯子；GitHub 代码库访问不稳时从 ModelScope 取权重即可。
和 DeepSeek-OCR 哪个好？
同源思路，Unlimited-OCR 主打更长上下文（32768）的单次长文档解析；DeepSeek-OCR 更早、社区资料更多。长文档选前者，求稳可先看后者。
// 02 核心 功能
- 核心定位Unlimited-OCR 是百度开源的多模态文档解析大模型，主打单次长文档（长视野）OCR 解析，支持 PDF 多页与图像识别，MIT 协议免费自部署，国内可经 ModelScope 直连。
- 分类索引当前归档在 AI 办公，方便和同频工具横向比较。
- 能力标签关联标签包括 开源、多模态、百度、OCR、OCR 模型、文档解析。
- 使用入口已记录可访问入口，可通过本页主按钮跳转。
// 03 使用 场景
- 快速判断是否适合当前任务结合 AI 办公 定位和 开源、多模态、百度 标签，先判断它是否匹配你的工作流。
- 横向比较同类工具从相同分类和标签继续探索替代工具，减少只看单个产品带来的选择偏差。
- 沉淀工具选型资料把官网入口、平台、版本和 NavXD 标签合并成一页，适合做选型记录或团队分享。
