目次
2026年10月27日、百度（@Baidu_Inc）は複数ページ・超長の図文ドキュメント解析向けに Unlimited OCR 2 をオープンソース化したと発表した。重みは Hugging Face の baidu/Unlimited-OCR-2（MIT、safetensors 合計おおよそ 3.34B＝約 3.3B）、モデルカードの Release は 2026/10/27。コードと説明は GitHub の baidu/Unlimited-OCR にあり、こちらも MIT。サイト内のほかのオープン多モーダル動向は：MiniCPM-V 4.7：スマホで動くオープン35B多モーダルモデル。
SR-SWA が変えること
売りは Sparse Reference Sliding Window Attention（SR-SWA） だ。モデルカードとリポジトリによると、超長系列の text-visual attention を固定サイズの working references（例として 512 tokens）に圧縮し、計算量を抑え、文書が長くなってもステップあたりのデコード遅延とメモリをほぼ一定に保つ。百度は有限コンテキスト内での unlimited-horizon 解析と位置づけるが、あらゆる PDF・あらゆる GPU 予算で無制限に動くという意味ではない。
ベンチ：ベンダー自己報告
百度は MPDocBench（数十ページ級）と MarathonDocBench（極端な百ページ級）で SOTA と報告している。数値は発表と README 由来のベンダー自己報告であり、第三者の再測定ではない。
推論：Transformers と SGLang
モデルカードは Transformers（ネイティブ、簡易テスト向け）と SGLang（サービング推奨）に対応すると記す。複数ページは infer_multi：ページ画像を順に渡し、1リクエストで文書全体を解析し、ページ横断の文脈を使う。単ページは infer。SGLang 側には超長文書向けの page-window 設定と、OpenAI 互換のチャットエンドポイントもある。オープンな視覚・言語ウェイトの仕様比較は：Nemotron 3.5 Super VLとBolt：仕様、ライセンス、24GBで動作。
なぜ注目か
MIT の長文書 OCR は財務 PDF・契約・多ページ報告で需要が続く。Unlimited OCR 2 のポイントは「別の OCR チェックポイント」より、ページ数が増えても注意のコストをできるだけ平らに保つことと、文書化された複数ページ一括パスだ。2026年10月27日の Release 時点で手に入るのは重みと推論コードであり、既存 OCR を即全面置き換えせよという話ではない。最近の別のオープン視覚／幾何系：Hi3D 1.0 がオープンソースに：画像から3Dへ（旧 Sparc3D）。