PDF 转文字，我不用切了

我前两天半夜刷到一条消息：百度 10 月 27 号开源了个 OCR 模型，说能一次读完五千页。

我下意识不信。上个月我刚被这种事折磨过——要数一份 300 多页的扫描件，只能把 PDF 切成 40 段喂给在线识别。切到第 12 段我就停了：不是额度不够，是切完还得人工把跨页的表格拼回去。拼到第 6 张表，我知道这活干不完。

所以我把它的技术报告和新智元的实测从头看了一遍。看完只有一个感觉：它把「页数」这个参数，从成本公式里删掉了。

几个能核的数：

· 《哈利·波特》七部曲，3623 页 PDF 一次跑完，掐表 1 小时 30 分，平均 1.5 秒一页
· 百页文档里，模型读长文时要留着的中间记忆（术语叫 KV 缓存，跑在显存里——显存就是显卡自己的内存），峰值从 47GB 压到 1.77GB，砍掉 96%
· 两个公开基准都排榜首，长文档那项 77.06，第二名 33.74

这些数字：3623 页和 1.5 秒这组出自新智元 10-28 的实测，官方技术报告里没有；缓存和基准分出自官方报告。我自己没跑通——我这台机器没独显，能核的是报告原文和社区里别人跑通的记录。

它凭什么？不是记性变好，是学会跳着看。人抄一本几千页的大部头，95% 的时间只盯手头这一页，只有翻页、核对前文时才回头翻一眼。它把这个直觉做成了机制：每一步只挑最相关的几页参与计算，其余略过。所以页数从 10 涨到 5000，它每步要算的量是个常数——「无限」是这个意思，不是上下文真无限。

那普通人怎么用上？两条路。

一条是现成的：百度智能云有「文档解析」服务，上传 PDF 直接出文字，按页计费（几分钱一页，具体以官网为准），不用自己装模型、不用买显卡。它要在后台开通、按文档接个接口，不算零门槛，但比配环境省事得多。

另一条是自己跑：官方测试机是 A800 这类专业卡。我按 6GB 出头的模型体积估算，16GB 显存的卡才算舒服——这是我的估算，不是官方要求；12GB 能硬撑，8GB 别折腾。这条只适合手上有服务器的人。

对咱们来说，值得记住的就一句：以后扫描件、老书、长合同，AI 能整本读，你不用再切段、拼表、人工校对跨页断句了。

你手上最长的那份 PDF 多少页？是合同、标书，还是扫描的老书？评论区报个页数，我看看有没有人真超过 1000 页。

关注 @科技微讯C，每天一个接地气的科技小知识。