此页是 2026-06-30 的观测快照,查看该模型当前信息 → /m/sahilchachra__unlimited-ocr-gguf/

归档 / 2026-06-30 / Unlimited-OCR (Baidu)

Unlimited-OCR (Baidu)

3B 视觉语言 OCR 模型，文档解析与 Markdown 转换

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。
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
规模: 3B · 未知
授权: MIT · 需自查
框架: llama.cpp
血统: 量化自 Unlimited-OCR
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 News Unlimited OCR: One-Shot Long-Horizon Parsing

截至 2026-07-12

评分详情

Q1: 今天能接上用吗 4 / 5
Q2: 有可信证据吗 3 / 5
Q3: 是新东西吗 1 / 5
总分: 8

HuggingFace 原始数据 (抓取于 2026-06-30)

作者: sahilchachra
任务类型: image-text-to-text
推理库: gguf
下载: 28,228
点赞: 50
许可证: MIT
标签: gguf, llama.cpp, deepseek-ocr, ocr, vision-language, multimodal, image-text-to-text, quantized, imatrix, document-parsing, multilingual, base_model:baidu/Unlimited-OCR, base_model:quantized:baidu/Unlimited-OCR, license:mit, endpoints_compatible, region:us, conversational

探索