Unlimited-OCR 2의 개요
Unlimited-OCR 2는 Baidu의 오픈 문서 인식 모델로, 6월에 나온 Unlimited-OCR의 후속으로 2026년 10월 27일 MIT 라이선스로 공개되었습니다. 같은 기반을 유지합니다. DeepSeek-OCR 비전 인코더에 토큰당 약 5억(500 million) 개를 활성화하는 30억(3-billion) 파라미터 전문가 혼합 디코더를 결합했고, 첫 버전의 체크포인트에서 후속 학습했습니다.
바뀐 것은 Sparse Reference Sliding Window Attention입니다. 버전 1은 메모리 캐시를 일정하게 유지했지만 쓰는 동안 여전히 모든 페이지 이미지를 다시 보았고, 40페이지에서 멈췄습니다. 버전 2는 각 단계가 관련 페이지와 고정된 참조 토큰 세트에만 주의를 기울이게 하므로, 문서가 아무리 길어도 디코딩 속도와 메모리가 거의 일정합니다. Baidu의 데모는 책 한 권 전체를 요청 한 번으로 파싱하며, 논문은 100페이지 규모에서 전체 어텐션 대비 단계당 7.0배 속도 향상을 보고합니다.
Baidu는 103에서 300페이지 문서 100개로 된 테스트 세트 MarathonDocBench도 공개했습니다. Baidu AI Cloud의 문서 파싱 API는 이제 버전 2로 돌아갑니다. 최대 500페이지 PDF를 받아 Markdown이나 JSON을 반환하며, 한시적으로 무료이고, 인증된 개인은 200페이지, 인증된 기업은 1,000페이지의 테스트 분량을 받습니다.
Unlimited-OCR 2, 쓸 만한 가치가 있습니까?
Unlimited-OCR 2는 책 한 권을 한 번에 읽도록 만든 첫 오픈 OCR 모델이며, Baidu 수치로는 범용 모델보다 훨씬 잘 해냅니다. 103에서 300페이지 문서로 된 자체 세트 MarathonDocBench에서 종합 77.06을 기록했고, 표에서 가장 강한 경쟁 모델인 Kimi-K3는 33.74, Gemini 3.1 Pro Preview는 26.97입니다. 버전 1은 40페이지 한도 때문에 아예 참가하지 못했습니다. 테스트 세트는 Baidu의 것이고, 라벨은 파서 출력에서 시작해 사람이 교정했으며, 아직 다른 누구도 이 세트로 결과를 발표하지 않았습니다.
최대 30페이지 문서로 된 기존 MPDocBench에서는 84.59로, Qwen3.8-Max의 78.30, Gemini 3.8 Flash의 76.25, 이전 버전의 61.89보다 높습니다. 대부분의 구매자에게는 이쪽이 더 큰 실무적 개선입니다. 버전 1이 원래 겨냥한 여러 페이지 작업에서 23점 상승했으며, 모두 자체 보고입니다.
단일 페이지는 사정이 다릅니다. OmniDocBench v1.6 점수 94.02는 버전 1의 93.92를 겨우 넘고, TeleOCR의 96.91, OvisOCR2의 96.47, PaddleOCR-VL-1.6의 자체 보고 96.33에 뒤처집니다. Baidu 자체 한계 섹션은 희소 어텐션이 문서 전체 정보를 잃는다고 덧붙이며, 이는 가장 약한 지표에서 드러납니다. 제목 계층 점수가 MPDocBench 60.10, MarathonDocBench 48.20입니다. 학습 라벨도 MinerU2.5-Pro와 PaddleOCR-VL-1.6에서 가져왔으므로, 짧은 문서에서는 대체로 그 모델들을 따라 하도록 학습했습니다.
엔지니어링의 핵심은 메모리 절감입니다. 논문에 따르면 페이지 윈도우 단위로 파싱하고 윈도우 경계에서 캐시를 재사용하면, 100페이지 문서에서 요청 하나의 최대 캐시 메모리가 47.00 GB에서 1.77 GB로 줄고, 동시 요청 16개에서 처리량이 초당 360에서 1,315토큰으로 오릅니다.
자체 호스팅한다면 서빙 예제를 꼼꼼히 읽어야 합니다. 버전 2는 버전 1에 있던 vLLM 이미지를 없애고 모델 저장소의 커스텀 SGLang wheel을 설치하라고 하며, 샘플 명령은 이번에도 인증 없이 OpenAI 호환 서버를 0.0.0.0의 포트 10000에 바인딩합니다.
제 역할을 하는 곳
30에서 200페이지 스캔 계약서와 서류를 디지털화하는 법률 사무소의 데이터 엔지니어
페이지 이어 붙이기 코드 없이 각 문서를 한 번에 Markdown으로 변환하기
PDF를 300 dpi로 렌더링하고 모든 페이지를 요청 한 번으로 SGLang 서버에 보냅니다. 페이지 경계를 넘는 텍스트와 표가 이어진 상태로 돌아옵니다. 제목 수준은 모델의 가장 약한 점수이므로 직접 확인하십시오.
청구 서류를 처리하는 중국 보험사의 ML 플랫폼 팀
물량이 불확실한 동안 GPU를 사지 않고 문서 파싱 돌리기
이제 버전 2로 돌아가며 최대 500페이지 PDF를 한시적으로 무료로 받는 Baidu AI Cloud 호스팅 API를 씁니다. 제출은 초당 2건으로 제한되고 결과 PDF 링크는 30일 뒤 만료되므로, 하위 저장소를 함께 구축해야 합니다.
클라우드 금지 정책이 엄격한 유럽 기록 보관소의 자체 호스팅 팀
사내 GPU로 책과 연차 보고서 전체를 OCR하기
페이지 윈도우 스케줄링(기본 윈도우당 10페이지)을 켜서 최대 캐시 메모리를 Baidu의 1.77 GB 수치 근처로 유지하고, Baidu 예제가 여는 포트를 그대로 노출하지 말고 인증 프록시 뒤에 서버를 두십시오.
도입 전 확인할 점
- 설정
- 버전을 고정한 Transformers 스택(torch 2.13.0, transformers 4.52.1)을 trust_remote_code와 함께 설치하고 페이지 이미지를 순서대로 넣어 infer_multi를 호출하거나, 모델 저장소에 포함된 sglang-0.5.20.dev10 wheel을 설치하고 unlimited-ocr 채팅 템플릿으로 서버를 띄웁니다. Baidu는 A800 80 GB에서 테스트했습니다.
- 연동
- Transformers, 페이지 윈도우 스케줄링을 넣은 커스텀 SGLang, 파인튜닝용 ms-swift를 지원하며, 가중치는 ModelScope에도 있습니다. Baidu AI Cloud의 비동기 문서 파싱 API는 JSON과 Markdown을 반환하고, 병합된 셀을 유지하도록 표는 HTML로도 제공합니다.
- 데이터와 개인정보
- 사용 제한이 없는 MIT 라이선스입니다. 자체 호스팅하면 문서가 사용자 하드웨어에 남습니다. Baidu AI Cloud에서는 반환된 PDF 링크가 30일간 유효하며, 그 외 보존 조건은 API 페이지에 명시되어 있지 않습니다.
- 대규모 사용 시 비용
- 체크포인트는 bf16 파라미터 33억 4,000만(3.34 billion) 개, 약 7 GB이므로 데이터센터 GPU 한 장으로 서빙됩니다. Baidu는 윈도우 디코딩으로 100페이 지 요청 16개를 동시에 처리할 때 초당 1,315토큰을 보고하지만, 논문은 그 수치의 GPU를 밝히지 않습니다. Baidu Cloud 유료 요율은 공개되지 않았습니다.
- 제한
- 설정상 131,072 위치를 허용하며, 버전 1의 32,768에서 늘었습니다. SGLang 예제는 페이지당 출력을 20,000토큰으로 제한하고, 페이지 윈도우가 작으면 페이지 간 병합이 사라진다고 경고합니다. Baidu Cloud 한도는 초당 제출 2건과 결과 조회 5건, URL 기준 PDF당 500페이지와 100 MB입니다.
좋은 점
- 수백 페이지 문서를 요청 한 번으로 파싱
- MPDocBench 84.59로 버전 1보다 23점 높음(자체 보고)
- 100페이지 문서에서 최대 캐시 메모리 1.77 GB
- MIT 라이선스, 토큰당 활성 파라미터 약 500M
아쉬운 점
- 긴 문서 벤치마크는 Baidu 자체 세트이며 재현되지 않음
- 단일 페이지 정확도는 TeleOCR, OvisOCR2, PaddleOCR-VL-1.6에 뒤처짐
- Baidu 스스로 밝힌 대로 제목 계층에 약함
- 커스텀 SGLang wheel, 샘플 서버가 인증 없이 모든 인터페이스에서 수신
추천 대상
긴 보고서, 계약서, 책을 디지털화하면서 자체 GPU로 문서 전체를 한 번에 처리하려는 팀.
Unlimited-OCR 2 대안
Unlimited-OCR 2: 자주 묻는 질문
- Unlimited-OCR 2, 쓸 만한 가치가 있습니까?
- Unlimited-OCR 2는 300페이지 보고서를 모델 호출 한 번으로 바꾸지만, 지금까지 이를 증명하는 점수표는 Baidu가 만든 것 하나뿐입니다. 평점은 5점 만점에 4.2점입니다.
- Unlimited-OCR 2의 가격은 얼마입니까?
- MIT 라이선스로 무료입니다. Baidu AI Cloud 호스팅 API는 한시적으로 무료이며(개인 200 테스트 페이지, 기업 1,000), 유료 요율은 공개되지 않았습니다.
- Unlimited-OCR 2의 단점은 무엇입니까?
- 긴 문서 벤치마크는 Baidu 자체 세트이며 재현되지 않음; 단일 페이지 정확도는 TeleOCR, OvisOCR2, PaddleOCR-VL-1.6에 뒤처짐; Baidu 스스로 밝힌 대로 제목 계층에 약함; 커스텀 SGLang wheel, 샘플 서버가 인증 없이 모든 인터페이스에서 수신.
- Unlimited-OCR 2에 적합한 사람은 누구입니까?
- 긴 보고서, 계약서, 책을 디지털화하면서 자체 GPU로 문서 전체를 한 번에 처리하려는 팀.
- 팀이나 프로덕션 환경에서 Unlimited-OCR 2의 비용은 얼마입니까?
- 체크포인트는 bf16 파라미터 33억 4,000만(3.34 billion) 개, 약 7 GB이므로 데이터센터 GPU 한 장으로 서빙됩니다. Baidu는 윈도우 디코딩으로 100페이지 요청 16개를 동시에 처리할 때 초당 1,315토큰을 보고하지만, 논문 은 그 수치의 GPU를 밝히지 않습니다. Baidu Cloud 유료 요율은 공개되지 않았습니다.
- Unlimited-OCR 2에 회사 데이터를 맡겨도 안전합니까?
- 사용 제한이 없는 MIT 라이선스입니다. 자체 호스팅하면 문서가 사용자 하드웨어에 남습니다. Baidu AI Cloud에서는 반환된 PDF 링크가 30일간 유효하며, 그 외 보존 조건은 API 페이지에 명시되어 있지 않습니다.
- Unlimited-OCR 2의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 PaddleOCR-VL-1.6, DeepSeek-OCR 2 및 Mistral OCR 4.1입니다.
답변 확인일: 2026년 10월 28일.
Unlimited-OCR 2 개발사입니까? 이 평점을 사이트에 표시하십시오
