A Baidu abriu o código do Unlimited OCR, um modelo MoE de 3B parâmetros voltado à leitura e análise de documentos extensos. Segundo o resumo da publicação original, o sistema consegue processar dezenas de páginas em uma única passagem pelo modelo.
O ponto técnico central é a Reference Sliding Window Attention, ou R-SWA. A abordagem mantém o cache KV constante, o que busca evitar que memória e latência cresçam à medida que a saída fica maior durante o parsing de documentos longos.
O que muda na prática
- Leitura de documentos longos pode ficar mais previsível em consumo de memória.
- Fluxos de OCR para páginas múltiplas podem exigir menos divisão manual do material.
- A licença MIT facilita testes e integração por equipes que trabalham com modelos abertos.
No benchmark OmniDocBench v1.5, o Unlimited OCR alcançou 93,23 pontos, superando a linha de base DeepSeek OCR em 6,22 pontos, de acordo com a fonte original. Esse resultado sugere avanço em uma área crítica: transformar documentos complexos em texto estruturável para uso por sistemas de IA.
Para empresas e instituições brasileiras, o interesse está menos no anúncio em si e mais na possibilidade de reduzir gargalos em acervos, contratos, relatórios e documentos digitalizados. Ainda assim, a adoção prática depende de testes locais com formatos, idioma e qualidade de digitalização encontrados no Brasil.
O nosso prisma
OCR eficiente para documentos longos é relevante no Brasil porque muitos processos ainda dependem de PDFs, digitalizações e arquivos extensos. Um modelo aberto com licença MIT pode ampliar experimentação local, desde que validado em dados reais em português.
Fonte: MarkTechPost
Receba o Jornal da IA todos os dias
As notícias de inteligência artificial que importam no Brasil — com o nosso prisma e sempre com as fontes. Grátis.
