Nueva versión del modelo de pesos abiertos de Baidu que convierte documentos en imagen en texto estructurado, ahora capaz de procesar documentos de cientos de páginas en una sola petición.
Según Baidu, su nueva atención SR-SWA mantiene casi constante el coste de cada paso aunque el documento crezca, hasta 7 veces más rápido que la atención completa en documentos de cien páginas, y logra los mejores resultados en las pruebas de documentos largos MPDocBench y MarathonDocBench.
Pesos abiertos en Hugging Face y ModelScope con licencia MIT, código en GitHub, demo en Hugging Face Spaces y servicio en Baidu Cloud. Sucede a Unlimited OCR, que tiene su propia ficha en Modelos al día. Hora exacta de publicación sin confirmar.
Unos 3.000 millones de parámetros en total y 500 millones activos por token. Basado en Unlimited OCR y DeepSeek-OCR; según Baidu, 94,02 % en OmniDocBench v1.6 en páginas sueltas.
