Baidus Unlimited-OCR verarbeitet Dutzende Seiten am Stück – ganz grenzenlos ist die KI nicht

Baidus Unlimited-OCR soll lange, mehrseitige Dokumente in einem zusammenhängenden Durchlauf verarbeiten können. Der technische Ansatz begrenzt dabei einen zentralen Speicherengpass moderner OCR-Systeme und wurde auch mit Dokumenten von 40 und mehr Seiten erprobt. Ganz ohne Grenze arbeitet die KI dennoch nicht – entscheidend bleibt die maximale Kontextlänge.

Peking, 29. August 2026. Lange PDFs gehören zu den Aufgaben, an denen moderne KI-Systeme schnell an technische Grenzen stoßen. Mit jeder zusätzlichen Seite wächst nicht nur die Menge des zu erkennenden Textes. Auch Tabellen, Layouts, Seitenbezüge und lange Ausgabesequenzen müssen verarbeitet werden. Baidu setzt mit Unlimited-OCR genau an diesem Punkt an.

Das neue OCR-Modell soll Dutzende Dokumentseiten gemeinsam verarbeiten können, statt Inhalte zwingend Seite für Seite einzulesen und anschließend zusammenzuführen. Nach Angaben der Baidu-Forscher im technischen Bericht „Unlimited OCR Works“ wurde das System unter anderem mit Dokumenten unterschiedlicher Länge getestet, darunter auch Varianten mit 40 oder mehr Seiten.

Der Modellname ist allerdings weiter gefasst als die tatsächliche Technik. Unlimited-OCR arbeitet standardmäßig mit einer maximalen Sequenzlänge von rund 32K Tokens. Eine tatsächlich unbegrenzte Verarbeitung beliebig langer Dokumente ist damit nicht möglich.

Unlimited-OCR soll einen zentralen Speicherengpass lösen

Die eigentliche Neuerung liegt deshalb weniger in einer angeblich grenzenlosen Dokumentanalyse als in der Architektur des Modells. Baidu verwendet ein Verfahren namens Reference Sliding Window Attention, kurz R-SWA. Es soll verhindern, dass ein wichtiger Zwischenspeicher während langer Ausgaben kontinuierlich wächst.

Gemeint ist der sogenannte KV-Cache. Er speichert Informationen, die ein Modell während der Verarbeitung und Generierung längerer Sequenzen benötigt. Bei klassischen Attention-Verfahren kann dieser Speicher mit jedem weiteren Token größer werden. Gerade bei langen Dokumenten erhöht das den Speicherbedarf und belastet die Verarbeitung.

R-SWA verändert diesen Mechanismus. Statt sämtliche früheren Zustände dauerhaft vorzuhalten, arbeitet das Modell mit einem begrenzten Fenster und zusätzlichen Referenzinformationen. Der Cache soll dadurch während des Decodings weitgehend konstant bleiben.

Genau hier liegt der technische Anspruch von Unlimited-OCR: nicht jede Grenze langer Dokumente zu beseitigen, sondern einen der Punkte zu entschärfen, an denen große OCR-Modelle bislang besonders viel Speicher benötigen.

Dutzende Seiten in einem Durchlauf

Für die Praxis ist vor allem interessant, wie weit sich dieser Ansatz skalieren lässt. Baidu testete Unlimited-OCR mit Dokumenten von zwei, fünf, zehn, 15 und 20 Seiten sowie mit Dokumenten von 40 und mehr Seiten. Die Experimente zeigen, dass das Modell lange Eingaben in einem gemeinsamen Durchlauf verarbeiten kann.

Die Seitenzahl allein sagt jedoch wenig darüber aus, wie anspruchsvoll ein Dokument tatsächlich ist. Vierzig Seiten mit großen Überschriften und wenig Fließtext erzeugen eine andere Last als ein technisch dichtes Dokument mit Tabellen, Formeln, mehrspaltigem Satz und umfangreichen Textblöcken.

Entscheidend ist deshalb die Länge der entstehenden Sequenz. Unlimited-OCR kann lange Dokumente verarbeiten, bleibt aber an eine endliche Kontextlänge gebunden. Auch die Entwickler stellen klar, dass sich daraus keine buchstäblich unbegrenzte OCR-Verarbeitung ableiten lässt.

Der Begriff „Unlimited“ beschreibt damit eher die Richtung des Ansatzes als eine harte Produkteigenschaft. Das Modell verschiebt eine technische Grenze, hebt sie aber nicht auf.

Baidus OCR-Modell basiert auf rund drei Milliarden Parametern

Unlimited-OCR verfügt über rund drei Milliarden Parameter und baut technisch auf DeepSeek-OCR auf. Baidu nutzt diesen Ansatz als Ausgangspunkt, verändert jedoch insbesondere die Verarbeitung langer Sequenzen und damit einen Teil der Decoder-Architektur.

Wie stark sich das auf die Erkennungsleistung auswirkt, hat das Forschungsteam mit OmniDocBench untersucht. Für OmniDocBench 1.5 weist die veröffentlichte Auswertung für Unlimited-OCR einen Wert von 93,23 Punkten aus. DeepSeek-OCR erreicht in derselben Gegenüberstellung 87,01 Punkte. Für OmniDocBench 1.6 wird für Unlimited-OCR ein Ergebnis von 93,92 angegeben.

Diese Werte sind allerdings keine allgemeine Prozentangabe für die Qualität der Texterkennung. Ein Benchmark bildet eine definierte Auswahl von Dokumenten, Layouts und Aufgaben ab. Daraus lässt sich nicht ableiten, dass Unlimited-OCR bei beliebigen realen PDFs grundsätzlich eine Erkennungsgenauigkeit von mehr als 93 Prozent erreicht.

Hinzu kommt: Die zentralen Leistungsdaten stammen bislang wesentlich aus der Veröffentlichung des Baidu-Teams selbst. Unabhängige technische Berichte haben den Ansatz bereits aufgegriffen und die Verarbeitung langer Dokumente untersucht. Eine umfassende externe wissenschaftliche Bestätigung sämtlicher Leistungsangaben ergibt sich daraus jedoch noch nicht.

Warum klassische OCR-Systeme bei langen Dokumenten an Grenzen stoßen

OCR hat sich in den vergangenen Jahren deutlich verändert. Klassische Systeme konzentrierten sich vor allem darauf, Buchstaben und Wörter aus einem Bild zu erkennen und in maschinenlesbaren Text umzuwandeln. Moderne multimodale Modelle sollen erheblich mehr leisten.

Sie analysieren Seitenaufbau, Tabellen, Überschriften und unterschiedliche Textbereiche. Bei mehrseitigen Dokumenten kommt eine weitere Aufgabe hinzu: Informationen müssen über längere Sequenzen hinweg verarbeitet werden, ohne dass die Struktur des Dokuments verloren geht.

Mit zunehmender Länge wächst damit nicht nur der reine Textumfang. Auch das Modell selbst muss länger relevante Zusammenhänge im Arbeitsspeicher halten. Genau dieser Effekt macht umfangreiche Dokumente für KI-basierte OCR besonders anspruchsvoll.

Unlimited-OCR ist deshalb vor allem ein Versuch, den Speicherbedarf während langer Ausgaben besser kontrollierbar zu machen. Dass Baidu Dokumente mit 40 oder mehr Seiten getestet hat, zeigt die Größenordnung, in der der Ansatz funktionieren kann. Daraus entsteht aber keine Garantie für jede Datei derselben Länge.

Unlimited-OCR ist als Open-Source-Modell verfügbar

Baidu hat das Modell nicht nur in einem Forschungsbericht beschrieben. Code und Modellgewichte wurden öffentlich bereitgestellt. Das GitHub-Repository steht unter einer MIT-Lizenz, die Modellgewichte sind zudem über Hugging Face verfügbar.

Damit kann Unlimited-OCR grundsätzlich auch außerhalb von Baidus eigener Infrastruktur getestet werden. Für Entwickler und Unternehmen ist das relevant, weil sich der Ansatz so mit eigenen Dokumenten vergleichen und technisch untersuchen lässt.

Parallel dazu hat Baidu die Technologie in das eigene Cloud-Angebot aufgenommen. Dort wird Unlimited-OCR als Dienst zur Dokumentenanalyse angeboten und soll insbesondere für mehrseitige PDFs, Bücher und längere Verträge eingesetzt werden können.

Nach Angaben von Baidu kann der Dienst erkannte Inhalte strukturiert ausgeben, unter anderem in Formaten wie Markdown oder JSON. Auch Positionsinformationen zu erkannten Elementen sollen verarbeitet werden können. Der Einsatzbereich reicht damit über die reine Texterkennung hinaus.

Dokumentanalyse statt reiner Zeichenerkennung

Gerade darin zeigt sich, wohin sich OCR-Systeme entwickeln. Es geht nicht mehr nur darum, gedruckte Zeichen korrekt auszulesen. Die Modelle sollen Dokumente zunehmend als strukturierte Information erfassen.

Für längere Verträge, Bücher oder umfangreiche PDF-Dateien ist das entscheidend. Werden Seiten einzeln verarbeitet, können Zusammenhänge zwischen Dokumentteilen schwieriger zu erhalten sein. Ein gemeinsamer Durchlauf kann diese Struktur besser abbilden – vorausgesetzt, das Modell bleibt innerhalb seiner technischen Grenzen.

Unlimited-OCR zielt genau auf diesen Anwendungsfall. Der Nutzen hängt deshalb nicht allein davon ab, wie viele Seiten ein Dokument enthält, sondern auch davon, wie effizient das Modell lange Sequenzen handhabt und wie stabil die Erkennungsqualität dabei bleibt.

Der Name bleibt größer als das tatsächliche Versprechen

Unlimited-OCR ist damit kein OCR-System ohne Limit. Die Kontextlänge bleibt endlich, sehr lange Dokumente können die Qualität beeinflussen und die bislang veröffentlichten Spitzenwerte stammen vor allem aus den Untersuchungen des Entwicklerteams.

Die technische Entwicklung ist dennoch relevant. Baidu zeigt mit Reference Sliding Window Attention einen Ansatz, mit dem sich der während der Ausgabe wachsende KV-Cache begrenzen lässt. Dadurch werden längere zusammenhängende OCR-Verarbeitungen praktikabler.

Entscheidend wird nun sein, wie sich Unlimited-OCR außerhalb der veröffentlichten Benchmarks bewährt. Belegt ist bislang, dass das Modell Dutzende Seiten in einem gemeinsamen Durchlauf verarbeiten kann. Die Bezeichnung „Unlimited“ beschreibt dagegen eher das Entwicklungsziel als den tatsächlichen Zustand: Auch diese KI hat eine Grenze.