Heim
Baidu stellt das Open-Source-OCR-Modell „3B“ vor, das innerhalb von fünf Tagen mehr als 10.000 Sterne erhielt

Baidu hat kürzlich ein End-to-End-OCR-Modell mit 3 Milliarden Parametern namens „Unlimited OCR“ veröffentlicht und als Open Source zur Verfügung gestellt, das speziell für die Analyse langer Dokumente wie Bücher und wissenschaftliche Arbeiten entwickelt wurde. Nach seiner Veröffentlichung führte das Projekt schnell vier Trendlisten auf GitHub und HuggingFace an und überschritt innerhalb von fünf Tagen nach der Open-Source-Veröffentlichung die Marke von 10.000 GitHub-Sternen.
Technisch gesehen aktiviert „Unlimited OCR“ während der Inferenz etwa 570 Millionen Parameter und führt erstmals den „Reference Sliding Window Attention“ (R-SWA)-Mechanismus ein. Dieser Mechanismus überwindet die traditionelle Beschränkung des „seitweisen Parsens und Zusammenfügens“ und ermöglicht das kontinuierliche Parsen von Dutzenden von Seiten in einem Durchgang; gleichzeitig hält er den KV-Cache in der Dekodierungsphase auf einem konstanten Umfang, sodass Speicherverbrauch und Rechenaufwand nicht mehr mit zunehmender Ausgabelänge ansteigen.
Im OmniDocBench v1.6-Benchmarktest stellte das Modell mit einer Punktzahl von 93,92 % einen neuen Rekord auf. In realen Szenarien ist seine Inferenzgeschwindigkeit etwa 12,7 % schneller als die von DeepSeek OCR, und der Geschwindigkeitsvorteil steigt bei einer Ausgabelänge von 6.000 Tokens auf 35 %, was einen neuen Ansatz für die Digitalisierung umfangreicher Dokumentenbestände und das Langzeit-Speichermanagement großer Modelle bietet.
Verwandter Artikel
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
Google testet den Remy AI Agent für Gemini, da der Fokus auf die Benutzerkontrolle verlagert wird
Laut Business Insider testet Google Remy, einen neuen KI-Personalagenten für Gemini. Dieses Tool soll Aufgaben im Auftrag von Nutzern ausführen und sowohl professionelle Arbeitsabläufe als auch tägliche Routinen optimieren.Derzeit wird Remy in einer
Empfehlungen zu verwandten Spezialthemen
Kommentare (1)

Baidu hat kürzlich ein End-to-End-OCR-Modell mit 3 Milliarden Parametern namens
Technisch gesehen aktiviert
Im OmniDocBench v1.6-Benchmarktest stellte das Modell mit einer Punktzahl von 93,92 % einen neuen Rekord auf. In realen Szenarien ist seine Inferenzgeschwindigkeit etwa 12,7 % schneller als die von DeepSeek OCR, und der Geschwindigkeitsvorteil steigt bei einer Ausgabelänge von 6.000 Tokens auf 35 %, was einen neuen Ansatz für die Digitalisierung umfangreicher Dokumentenbestände und das Langzeit-Speichermanagement großer Modelle bietet.
U.S.-Aktien erreichen historischen Meilenstein, während KI- und Luft- und Raumfahrtriesen auf ihr Debüt als Billionen-Dollar-Unternehmen vorbereiten
Elon Musk, Sam Altman und Dario Amodei, drei Giganten des Technologiesektors, schreiten den Börsengängen ihrer jeweiligen Unternehmen voran. Mit SpaceX, OpenAI und Anthropic – drei Branchenriesen, die einer Bewertung von einer Billion US-Dollar nahek
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13











