Baidu ha presentado Unlimited-OCR-2, un modelo de inteligencia artificial diseñado para superar las limitaciones de contexto de los sistemas de reconocimiento óptico de caracteres (OCR) tradicionales. A diferencia de los modelos anteriores que se basaban en ventanas de atención cuadráticas, esta versión introduce la Atención de Ventana Deslizante Esparsa (SR-SWA), una técnica que reduce la complejidad computacional al mantener un conjunto fijo de referencias de trabajo, como 512 tokens, independientemente de la longitud del documento. Esto permite un análisis de documentos de horizonte ilimitado dentro de una ventana de contexto finita, eliminando los cuellos de botella de memoria y latencia asociados a secuencias ultra-largas.
El modelo, disponible en Hugging Face, ModelScope y Baidu Cloud, destaca por su capacidad para procesar documentos de decenas o incluso cientos de páginas con un rendimiento de estado del arte (SOTA). La implementación técnica soporta inferencia mediante Transformers para pruebas rápidas y SGLang para el despliegue en producción, ofreciendo una API compatible con OpenAI. Baidu ha publicado un nuevo benchmark, MarathonDocBench, para evaluar el rendimiento en documentos extremadamente largos. La herramienta está dirigida a desarrolladores y empresas que requieren procesamiento de documentos extensos, como contratos legales, informes técnicos o archivos históricos, donde la precisión y la eficiencia en el manejo de volúmenes de datos masivos son críticas.
