Baidu ha rilasciato in open source Unlimited OCR 2, un modello di intelligenza artificiale pensato per leggere e trascrivere documenti lunghissimi, anche di centinaia di pagine, in una sola passata. Il modello vision-language da 3 miliardi di parametri è disponibile da oggi, 27 ottobre, su Hugging Face, GitHub e ModelScope, con licenza MIT che ne consente anche l’uso commerciale.
È l’evoluzione di Unlimited-OCR, presentato a giugno con l’obiettivo dichiarato di «portare DeepSeek-OCR un passo più in là». Il primo modello ha già superato i 3 milioni di download su Hugging Face e il repository GitHub sfiora le 29.000 stelle.
Come funziona Unlimited OCR 2
Il problema che Baidu vuole risolvere è noto a chi lavora con documenti lunghi. Per digitalizzare un libro o un bilancio di centinaia di pagine, di solito lo si spezza in blocchi analizzati separatamente: così però si perdono l’ordine di lettura, le tabelle che proseguono da una pagina all’altra e i riferimenti interni. Elaborare tutto insieme, invece, fa esplodere memoria e tempi di calcolo, perché il meccanismo di attenzione dei modelli cresce in modo quadratico con la lunghezza del testo.
La novità chiave si chiama Sparse Reference Sliding Window Attention (SR-SWA). Invece di tenere in memoria tutto ciò che ha già letto, il modello comprime la storia del documento in un insieme fisso di “riferimenti di lavoro”, per esempio 512 token. In pratica si comporta come un lettore umano: si concentra sulla pagina corrente e tiene a mente solo i passaggi chiave di quelle precedenti. Il risultato, secondo Baidu, è che latenza e consumo di memoria restano quasi costanti a prescindere dalla lunghezza del documento.
Benchmark e disponibilità del modello OCR open source
Baidu dichiara risultati allo stato dell’arte sia su benchmark con documenti da decine di pagine, come MPDocBench, sia su MarathonDocBench, un nuovo banco di prova con documenti da centinaia di pagine che l’azienda ha rilasciato insieme al modello. In uscita il sistema restituisce il testo con titoli, tabelle, formule, figure e ordine di lettura.
Il modello si può provare con la libreria Transformers per test rapidi, mentre per l’uso in produzione Baidu raccomanda SGLang, con supporto anche a vLLM. È disponibile una demo online e il modello è accessibile anche tramite Baidu Cloud. Le applicazioni più ovvie riguardano la digitalizzazione di archivi, contratti, libri e documenti finanziari.
La corsa dei modelli AI open source
Il rilascio conferma il peso crescente dei laboratori cinesi nel mondo dei modelli aperti, dove DeepSeek, Alibaba e appunto Baidu pubblicano regolarmente pesi e codice. Un trend che riguarda anche l’Occidente, come dimostra il modello AI open source di IBM e NASA per studiare la Luna, e che si intreccia con la crescente diffusione di strumenti pensati per gli agenti AI.
Fonti
Hugging Face – baidu/Unlimited-OCR-2, GitHub – baidu/Unlimited-OCR, AlphaSignal
.jpg){kind=link}
Aiutaci a crescere: lasciaci un like :)