模型 / Unlimited-OCR (Baidu)

Unlimited-OCR (Baidu)

3B 视觉语言 OCR 模型，文档解析与 Markdown 转换

作者
sahilchachra
对位
对位 DeepSeek-OCR 3B / GOT-OCR2.0
适合
文档 OCR 转 Markdown（带布局/框） / 多语言长文档解析
不适合
通用视觉对话或复杂推理
入选理由
百度Unlimited-OCR的GGUF量化版，多语言文档OCR可本地运行，支持Markdown和边界框输出。需编译特定llama.cpp分支。
规模
3B · 最低 ~1.8GB · 4-bit(估算)
授权
MIT · 需自查
框架
llama.cpp
血统
量化自 Unlimited-OCR
国内访问
需代理
可信度
HuggingFace 28k 下载，50 赞，基于 Baidu/Unlimited-OCR 量化

社区实测

社区对 Unlimited-OCR 持观望期待态度，认为对本地 AI 场景有潜力，但实际落地反馈尚少

  • 开源的 3B MoE 模型，仅 500M 活跃参数，适合本地部署
  • 基于 DeepSeek OCR 构建，替换了 decoder 注意力层
  • 支持一次性长文本解析（one-shot long-horizon parsing）
  • 有做图像 OCR 的开发者表示这正是其常见工作流
  • 架构设计被质疑像是在 Transformer 里加 LSTM，存在争议
  • 对长对话场景的适用性尚不明确
  • HN 讨论量有限，缺乏大规模实际使用反馈
来源

Baidu Releases Unlimited OCR, a 3B Model That Keeps ...Unlimited OCR: One-shot long-horizon parsing - Hacker NewsUnlimited OCR: One-Shot Long-Horizon Parsing

截至 2026-07-12

本形态 ~1.8GB 4-bit · 国内 需代理 · 28,228 下载

本形态源 ↗

下载动量

30天下载 66.4k → 69.8k

观测时间线