10月27日，百度发布并开源文心 Unlimited OCR 2，把 OCR 的处理上限从“数十页”推到了任意页数，实测能一口气解析《哈利·波特》全系列 7 部作品、超过 3600 页。这次开源解决的是长文档“输入”端——页码上限、显存爆炸、批量排队——这三关；还没解决的，官方技术报告也写得明白——能“读完”，还不能“读懂整本书”。文心基础模型据媒体报道下周将有新进展公布，内容尚未官方披露，用户真正需要理清的是：哪些痛点已经被跨过，哪些还留在官方的“未解决清单”上。观察者网
已经跨过的痛点：转录成本不再跟着页数涨
上一代 Unlimited OCR 已经把解析范围拓展到连续数十页，但页数一多，参与计算的视觉信息成倍增加，显存和耗时一起涨；拆成单页跑，跨页段落和表格又会对不齐。Unlimited OCR 2 的思路叫 SR-SWA（稀疏参考滑动窗口注意力），官方拿人类抄书打比方：盯住当前页，需要核对前文或查跨页信息时才回看相关页面，页面门控把视觉参考范围从整个文档缩到相关页，再用得分最高的视觉 token 桶捕捉长距离依赖。知乎
推理端的降幅更直观：单序列推理的峰值 KV 缓存从 47.00GB 降到了 1.77GB。16 路并发测试里，吞吐量从 360 TPS 提到 1315 TPS，约为原来的 3.65 倍——对企业批量解析文档、知识库批量入库这类场景，缩短的是任务排队的长度。实测门槛也在往下走：有工程师用一块 16GB 显存的消费级 AMD 显卡跑通了这个约 3B 参数、MIT 协议的模型，把一本横拍的 229 页物理教辅重建成可检索、带公式 LaTeX 的干净文本。但门槛没有消失，官方快测环境仍是 A800-80GB 档，模型卡没有向消费级小卡承诺极长上下文的稳定。模型加载还涉及 trust_remote_code 远程代码，生产环境建议先审源码再上线。知乎知乎知乎
开源与榜单：自己造的尺，自报的分
代码与权重已同步开源到 GitHub、Hugging Face 和 ModelScope，官方仓库的发布记录写明，这一代是“以 SR-SWA 实现无界长度解析”，并放出配套新基准。官方基准成绩：多页解析的 MPDocBench 得 84.6 分，百页级超长文档的 MarathonDocBench 得 77.1 分，端到端达到 SOTA 并大幅领先多家闭源大模型。需要留意的是，后者恰是百度与模型同一天开源的新基准——对照的尺由被测方自己造，领先幅度以自报口径理解更稳妥。前作的热度倒是独立的：6 月发布次日就拿下 GitHub、HuggingFace 四榜第一。知乎GitHub36氪
未解决清单：官方报告先认的账
技术报告的限制部分承认：当前的稀疏注意力机制没有保留全局文档信息，标题层级等文档整体结构的理解仍受限。落到实操，最危险的正是跨页表格——表头在上一页、金额在下一页，错位后输出的是一张格式完全正常、内容已经跑偏的表。普通用户的体感则更直接：把论文、教材、扫描件丢给 AI，想让它总结重点、做 PPT，结果章节会串、表格会乱、关键数字还可能认错。图像转文字这半程刚被解决，转完之后 AI 懂不懂整本书、知识库检索答得对不对，靠的是基础模型的长上下文与结构理解，这是另一道题。知乎微博
下周的新进展：目前只锁定了时间
吴甜的离职由百度公关经理在朋友圈证实：已结束在百度的任职，技术工作仍在向前推进。另据 Tech商业报道，吴甜此前已卸任基础模型研发负责人，转岗百度研究院副院长。接近百度的消息经观察者网等媒体披露，文心模型方面下周会有新进展对外发布。微博36氪观察者网
官方日程里，下一个可见节点是 11 月 12 日的百度世界 2026 大会：将进一步展示文心 Unlimited OCR 2 的技术亮点与应用潜力，并发布“芯云模体”全栈 AI 最新升级成果。知乎
下周发布的内容官方尚未披露，无法预写它“会解决什么”；但验收标尺其实已经摆好——全局结构理解、跨页合并、整书级问答这三个官方自认的短板，模型端是否迈进一步。Tech商业分析文心过去一年失速时点到的，恰恰是用户体验上“长文档的跨章节关联不够精准”。36氪
对每天和长文档打交道的人，不必等：权重 MIT 开源，先拿自己最痛的材料做小样本对照——扫描表格、公式密集的讲义、跨页表格各测一批，跑得快还要看得准，两头数字都出来再谈迁移。至于下周和 11 月 12 日，盯着的是同一件事：官方那份“未解决清单”上的名字，会被划掉几个。
