实测 Unlimited-OCR-2 跨页解析长 PDF

作者 khuyentran1401 实测百度开源文档解析模型 Unlimited-OCR-2（基于 DeepSeek-OCR 构建），它可在一次请求中读取多页，并把跨页表格合并为一张。在美联储 2024 年报测试中，2 至 4 页请求的 7 处表格断点全部识别，10 页请求识别 12 处中的 11 处，30 页请求识别 22 处中的 20 处；但跨页段落合并不够稳定，部分句子仍被切断。 该模型可通过百度的 Transformers 代码在 NVIDIA GPU 上运行，也可经 mlx-vlm 的 MLX 转换在 Apple Silicon Mac 上运行。作者称，在 M5 Pro 芯片的 MacBook Pro 上，30 页请求耗时 3 至 5.5 分钟，内存峰值约 17 GB，无需 GPU 服务器即可在笔记本上解析长报告。

AI 根据报道生成 · 26 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。