百度 Unlimited-OCR：单次推理完成超长文档解析

百度开源了一款文档解析模型 Unlimited-OCR，仓库地址为 baidu/Unlimited-OCR，采用 MIT 许可证，代码 100% 由 Python 写成。截至 2026 年 8 月，它在 GitHub 上积累了约 24.5k star 与 2.5k fork。

它解决的核心问题是：对超长文档做 OCR 时，不再需要「先切块、再推理、后拼接」，而是用一次推理直接输出整篇文档的结构化结果。这一能力对应它提出的定位——「One-shot Long-horizon Parsing」，即一次性长程解析。

它针对的问题

传统的文档 OCR 流程，面对几十页的 PDF 或超长文档时，通常要把页面切分成若干小块，分别交给模型识别，再把结果按顺序拼回完整文本。

这种「切块 + 拼接」的做法有两个代价：

切块边界上的文字、表格或段落容易被割裂，跨块的内容需要额外对齐；
拼接逻辑本身会引入错误，尤其是跨页的表格、公式和多栏排版。

Unlimited-OCR 把思路换成单次推理：把整篇或多页文档一次性交给模型，由模型在一次前向计算里输出完整解析。这样省掉了切块与拼接两步，也去掉了这两步带来的错误来源。

推理接口

模型通过 transformers 加载，核心入口是 AutoModel 与 AutoTokenizer。单图推理提供两种配置：

gundam：base_size=1024、image_size=640、crop_mode=True；
base：base_size=1024、image_size=1024、crop_mode=False。

多页图片与 PDF（转为多页图后）只走 base 配置，image_size 固定为 1024。单次推理的最大序列长度 max_length 为 32768，为长文档留出了空间。

在 NVIDIA GPU 上的依赖经测试的版本组合是 Python 3.12.3 + CUDA 12.9，关键依赖包括 torch==2.10.0、transformers==4.57.1、pymupdf==1.27.2 等。

部署方式

除原生 transformers 外，项目还提供 vLLM 与 SGLang 两条部署路径。

vLLM：官方提供 Docker 镜像 vllm/vllm-openai:unlimited-ocr（默认 CUDA 13.0），Hopper 架构 GPU 用 vllm/vllm-openai:unlimited-ocr-cu129（CUDA 12.9），部署细节见 vLLM 官方配方。
SGLang：项目自带 infer.py 批量推理脚本，支持传入图片目录或 PDF，--concurrency 控制并发，还提供了 OpenAI 兼容的流式接口示例。