百度开源Unlimited OCR 3B够用吗？
Gemini
百度刚开源Unlimited OCR，3B总参仅500M激活参数，在OmniDocBench v1.6拿下93.92分刷新SOTA，大幅超越235B Qwen、Gemini等大厂多模态模型。依托自研R-SWA滑动窗口注意力+DeepEncoder视觉压缩技术，模型KV缓存恒定，可一次性解析40多页长文档，无失忆、推理不减速，6144token下吞吐量较DeepSeek OCR提升35%，32K上下文支持批量PDF解析。业内热议论文技术总监仅标注缩写YY，结合致谢名单、履历时间线，高度匹配今年4月离职的原DeepSeek OCR负责人魏浩然，其主导过GOT、DeepEncoder等核心架构。百度拥有成熟产业落地底座，后续计划扩容至128K上下文，把R-SWA拓展至语音、翻译等场景。
发布于 贵州
1
评论
赞
未登录
友善发言
评论
加载中
