如果说发布初期登顶 GitHub、HuggingFace 多个榜单，是一次集中爆发，那么最近发生的事，更能说明它强劲的后劲。Unlimited OCR近期再次冲上 HuggingFace 全球模型总趋势榜前三，同时获得图灵奖获得者、AI 科学家杨立昆（Yann LeCun）的转发推荐。截至目前，项目GitHub Star已突破 1.65 万，HuggingFace下载量达到224万。对于开源项目来说，比起一时冲榜，更难的是持续获得全球开发者社区的关注。
很多人会觉得，OCR不就是把图片里的文字识别出来吗？但事实上对于行业来说，真正难的从来不是识别一页，而是处理一整份长文档。比如一本书、一篇几十页的论文，或是一份上百页的 PDF。
过去，大多数 OCR 都采用的是“逐页解析”：先识别每一页，再把结果拼接起来。这种方式虽然能完成识别，但面对长文档时，跨页表格、阅读顺序、上下文关联等信息很容易丢失，也难以保证整份文档的连贯性。而Unlimited OCR 瞄准的，恰恰正是这个行业痛点。它提出了 R-SWA机制，让模型能够一次连续解析数十页文档，同时将解码阶段的KV Cache控制在恒定规模，不会随着输出越来越长而不断增加计算和显存开销。简单来说，这个机制既能“一口气读完整份文档”，又不会因为文档越来越长而拖慢推理速度。
技术社区其实很少因为“热度”长期关注一个项目。真正能留下来的，往往还是技术本身『打动人心』。Unlimited OCR 再次刷屏后，海外开发者社区的讨论重点，也逐渐从"它火了"转向了"它为什么火"。相比识别速度，大家更关注的是它在长文档解析上的能力：一次连续处理整份文档、保留跨页上下文，以及更高效的推理方式。也正因如此，不少开发者认为，它为长 PDF、论文、书籍等场景提供了一种新的解决思路。
对于开源项目来说，真正的价值，最终还是会回到开发者社区。厂厂也会持续关注 Unlimited OCR 的后续进展。
无限OCR UnlimitedOCR 百度 文心大模型 文心OCR 开源 GitHub HuggingFace
