一口气吞下5000页PDF不卡壳！百度文心Unlim

DeepSeek 刚把 V4.1 Flash 升级完，百度这边又甩出个轻量级开源模型——文心 Unlimited OCR 2。

这家伙参数不大，单步实际激活才 5 亿。可它硬是在两大国际长文档基准上拿了第一，百页级评测得分直接是第二名的两倍多。

最狠的是它读长 PDF 的能力。3600 页的《哈利·波特》全集，一个半小时一口气啃完，平均翻一页只要 1.5 秒。读到第 5000 页照样不卡壳，显存占用还从 47GB 砍到了 1.77GB，普通家用显卡就能跑。

测试团队还设了三道地狱关卡。240 页的小说里悄悄把“叶文洁”改成“叶文清”，它一字不差地揪了出来；跨页被图片截断的英文，它能越过图注无缝拼合；300 页、900 多万的财务流水，对账精确到分，分毫不差。

通用大模型读长文档容易崩，是因为每解码一个字都得把前面的像素重算一遍。百度这回靠的是稀疏注意力机制，无关像素统统丢弃，边读边扔，零负担前行。

技术报告首页还藏了个彩蛋，印着一句致敬动漫的台词：“Pixels are my body, and tokens are my blood... So, as I pray: Unlimited OCR Works.”这句神评最早出自网友留言，百度不仅记住了，还郑重署上了他的名字。