Qu’est-ce que Unlimited-OCR 2 ?
Unlimited-OCR 2 est le modèle de reconnaissance de documents ouvert de Baidu, sorti le 27 octobre 2026 sous la licence MIT comme successeur d'Unlimited-OCR, apparu en juin. Il garde la même base, un encodeur de vision DeepSeek-OCR avec un décodeur mixture-of-experts de 3 milliards de paramètres qui en active environ 500 millions par token, et a été post-entraîné à partir du checkpoint de la première version.
Le changement est la Sparse Reference Sliding Window Attention. La version 1 gardait son cache mémoire constant mais regardait encore chaque image de page pendant l'écriture, et s'arrêtait à 40 pages. La version 2 laisse chaque étape ne prêter attention qu'aux pages pertinentes et à un ensemble fixe de tokens de référence, si bien que la vitesse de décodage et la mémoire restent presque constantes quelle que soit la longueur du document. La démo de Baidu analyse un livre complet en une seule requête, et son article rapporte une accélération de 7,0 fois par étape sur l'attention complète à l'échelle de cent pages.
Baidu a aussi publié MarathonDocBench, un jeu de test de 100 documents de 103 à 300 pages. L'API d'analyse de documents de Baidu AI Cloud tourne désormais sur la version 2 ; elle accepte des PDF jusqu'à 500 pages, renvoie du Markdown ou du JSON et est gratuite pour une durée limitée, avec 200 pages de test pour les particuliers vérifiés et 1 000 pour les entreprises vérifiées.
Unlimited-OCR 2 vaut-il le coup ?
Unlimited-OCR 2 est le premier modèle OCR ouvert conçu pour lire un livre entier en une fois, et sur les chiffres de Baidu il le fait bien mieux que les modèles généralistes. Sur MarathonDocBench, son propre jeu de documents de 103 à 300 pages, il obtient 77,06 au total là où le meilleur rival de son tableau, Kimi-K3, atteint 33,74 et Gemini 3.1 Pro Preview 26,97. La version 1 ne pouvait pas entrer du tout à cause de sa limite de 40 pages. Le jeu de test est celui de Baidu, ses étiquettes sont parties de la sortie d'un parseur avant correction humaine, et personne d'autre n'a encore publié de résultats dessus.
Sur le MPDocBench plus ancien, avec des documents jusqu'à 30 pages, il obtient 84,59 contre 78,30 pour Qwen3.8-Max, 76,25 pour Gemini 3.8 Flash et 61,89 pour son prédécesseur. C'est le gain pratique le plus grand pour la plupart des acheteurs : un saut de 23 points sur le travail multi-pages pour lequel la version 1 était faite, tout autodéclaré.
Les pages uniques sont une autre histoire. Son score OmniDocBench v1.6 de 94,02 est à peine au-dessus des 93,92 de la version 1, et derrière TeleOCR à 96,91, OvisOCR2 à 96,47 et les 96,33 autodéclarés de PaddleOCR-VL-1.6. La propre section des limites de Baidu ajoute que l'attention creuse perd l'information globale du document, ce qui se voit dans sa métrique la plus faible : des scores de hiérarchie de titres de 60,10 sur MPDocBench et 48,20 sur MarathonDocBench. Les étiquettes d'entraînement ont aussi été tirées de MinerU2.5-Pro et PaddleOCR-VL-1.6, si bien que sur les documents courts il a largement appris à les égaler.
L'économie de mémoire est l'histoire d'ingénierie. L'analyse par fenêtres de pages et la réutilisation du cache aux limites de fenêtre réduisent la mémoire de cache de pointe sur les documents de cent pages de 47,00 GB à 1,77 GB pour une requête, et augmentent le débit à 16 requêtes simultanées de 360 à 1 315 tokens par seconde, selon l'article.
Les auto-hébergeurs devraient quand même lire l'exemple de service attentivement. La version 2 abandonne les images vLLM qu'avait la version 1 et vous demande d'installer un wheel SGLang personnalisé depuis le dépôt du modèle, et la commande d'exemple lie à nouveau un serveur compatible OpenAI à 0.0.0.0 sur le port 10000 sans authentification.
Là où il fait la différence
Un ingénieur données dans un cabinet d'avocats qui numérise des contrats et dépôts scannés de 30 à 200 pages
Convertir chaque document en Markdown en une passe, sans code d'assemblage de pages
Rendre le PDF à 300 dpi et envoyer chaque page en une seule requête au serveur SGLang ; le texte et les tableaux qui traversent les limites de page reviennent joints. Vérifiez les niveaux de titres à la main, puisque c'est le score le plus faible du modèle.
Une équipe plateforme ML chez un assureur chinois qui traite des dossiers de sinistre
Faire tourner l'analyse de documents sans acheter de GPU tant que les volumes sont incertains
Utiliser l'API hébergée de Baidu AI Cloud, désormais sur la version 2 et gratuite pour une durée limitée avec des PDF jusqu'à 500 pages. Les soumissions sont plafonnées à 2 par seconde et les liens PDF de résultat expirent après 30 jours, si bien que le stockage en aval doit être prévu.
Une équipe d'auto-hébergement dans une archive européenne avec une politique stricte sans cloud
OCRiser des livres entiers et des rapports annuels sur des GPU internes
Activer la planification par fenêtre de pages (10 pages par fenêtre par défaut) pour que la mémoire de cache de pointe reste proche du chiffre de 1,77 GB de Baidu, et mettez le serveur derrière un proxy d'authentification plutôt que d'exposer le port que l'exemple de Baidu ouvre.
Avant de vous engager
- Mise en route
- Installez la pile Transformers épinglée (torch 2.13.0, transformers 4.52.1) avec trust_remote_code et appelez infer_multi avec les images de page dans l'ordre, ou installez le wheel sglang-0.5.20.dev10 livré dans le dépôt du modèle et lancez le serveur avec le modèle de chat unlimited-ocr. Baidu a testé sur un A800 80 GB.
- Intégrations
- Transformers, un SGLang personnalisé avec planification par fenêtre de pages, et ms-swift pour l'affinage ; poids aussi sur ModelScope. L'API asynchrone d'analyse de documents de Baidu AI Cloud renvoie du JSON et du Markdown, avec les tableaux aussi en HTML pour garder les cellules fusionnées.
- Données et confidentialité
- Licence MIT, sans restrictions d'usage. Auto-hébergé, les documents restent sur votre matériel ; sur Baidu AI Cloud, les liens PDF renvoyés restent valides 30 jours et des conditions de conservation plus larges ne sont pas indiquées sur la page de l'API.
- Coût à grande échelle
- Le checkpoint fait 3,34 milliards de paramètres bf16, soit environ 7 GB, si bien qu'un seul GPU de centre de données le sert. Baidu rapporte 1 315 tokens par seconde à 16 requêtes simultanées de cent pages avec le décodage par fenêtre ; l'article ne nomme pas le GPU derrière ce chiffre. Le tarif payant de Baidu Cloud n'est pas publié.
- Limites
- La config autorise 131 072 positions, contre 32 768 dans la version 1 ; l'exemple SGLang plafonne la sortie à 20 000 tokens par page et prévient qu'une fenêtre de pages plus petite perd la fusion inter-pages. Les limites de Baidu Cloud sont de 2 soumissions et 5 requêtes de résultat par seconde, 500 pages et 100 MB par PDF par URL.
Les points forts
- Analyse des documents de centaines de pages en une seule requête
- 84,59 sur MPDocBench, 23 points au-dessus de la version 1 (autodéclaré)
- Mémoire de cache de pointe de 1,77 GB sur les documents de cent pages
- Licence MIT ; environ 500M de paramètres actifs par token
Les points faibles
- Le benchmark de longs documents est celui de Baidu et non répliqué
- Précision sur page unique derrière TeleOCR, OvisOCR2 et PaddleOCR-VL-1.6
- Faible sur la hiérarchie de titres, selon le propre compte de Baidu
- Wheel SGLang personnalisé ; le serveur d'exemple écoute sur toutes les interfaces sans authentification
Idéal pour
Les équipes qui numérisent de longs rapports, contrats et livres et veulent des passes sur le document entier sur leurs propres GPU.
Alternatives à Unlimited-OCR 2
Unlimited-OCR 2 : questions fréquentes
- Unlimited-OCR 2 vaut-il le coup ?
- Unlimited-OCR 2 transforme un rapport de 300 pages en un seul appel de modèle, et jusqu'à présent le seul tableau de scores qui le prouve en est un que Baidu a construit. Nous lui donnons 4.2 sur 5.
- Combien coûte Unlimited-OCR 2 ?
- Gratuit sous la licence MIT. L'API hébergée de Baidu AI Cloud est gratuite pour une durée limitée (200 pages de test pour les particuliers, 1 000 pour les entreprises) ; tarifs payants non publiés.
- Quels sont les inconvénients de Unlimited-OCR 2 ?
- Le benchmark de longs documents est celui de Baidu et non répliqué; précision sur page unique derrière TeleOCR, OvisOCR2 et PaddleOCR-VL-1.6; faible sur la hiérarchie de titres, selon le propre compte de Baidu; wheel SGLang personnalisé ; le serveur d'exemple écoute sur toutes les interfaces sans authentification.
- À qui s’adresse Unlimited-OCR 2 ?
- Les équipes qui numérisent de longs rapports, contrats et livres et veulent des passes sur le document entier sur leurs propres GPU.
- Combien coûte Unlimited-OCR 2 pour une équipe ou en production ?
- Le checkpoint fait 3,34 milliards de paramètres bf16, soit environ 7 GB, si bien qu'un seul GPU de centre de données le sert. Baidu rapporte 1 315 tokens par seconde à 16 requêtes simultanées de cent pages avec le décodage par fenêtre ; l'article ne nomme pas le GPU derrière ce chiffre. Le tarif payant de Baidu Cloud n'est pas publié.
- Unlimited-OCR 2 est-il sûr pour les données de l’entreprise ?
- Licence MIT, sans restrictions d'usage. Auto-hébergé, les documents restent sur votre matériel ; sur Baidu AI Cloud, les liens PDF renvoyés restent valides 30 jours et des conditions de conservation plus larges ne sont pas indiquées sur la page de l'API.
- Quelles sont les meilleures alternatives à Unlimited-OCR 2 ?
- Les alternatives les plus proches que nous avons testées sont PaddleOCR-VL-1.6, DeepSeek-OCR 2 et Mistral OCR 4.1.
Réponses vérifiées le 28 oct. 2026.