Modelo de pesos abiertos de Baidu que convierte documentos en imagen en texto estructurado y puede transcribir decenas de páginas de una sola vez.
Según Baidu, sustituye la atención del decodificador de DeepSeek-OCR por R-SWA, que mantiene constante la memoria durante salidas largas, lo que le permite leer decenas de páginas en una sola pasada dentro de 32.000 tokens.
Pesos abiertos en Hugging Face y ModelScope con licencia MIT, código en GitHub, demo en Hugging Face Spaces y servicio en Baidu Cloud. Le sigue Unlimited OCR 2, que tiene su propia ficha en Modelos al día.
Unos 3.300 millones de parámetros. Basado en DeepSeek-OCR, con soporte para vLLM.
