바이두, 원샷 긴 문서 인식 'Unlimited OCR' 공개

핵심 요약

• 바이두가 Unlimited OCR을 공개했으며, 이는 DeepSeek-OCR을 한 단계 진전시킨 모델이다.
• 한 번의 입력으로 긴 텍스트 구간을 파싱하는 'One-shot Long-horizon Parsing' 방식을 도입했다.
• Hugging Face, ModelScope, Baidu Cloud 등에서 모델과 데모를 제공하고 있다.
• Transformers, vLLM, SGLang을 통한 다양한 추론 방식을 지원하며, vLLM 공식 레시피도 제공한다.
• Python 3.12.3 + CUDA 12.9 환경에서 테스트되었고, HOPPER GPU 등 다양한 GPU 플랫폼용 Docker 이미지를 제공한다.
• SGLang을 통해 OpenAI 호환 API로 스트리밍 요청과 배치 추론을 지원하며, PDF 이미지 변환을 위해 PyMuPDF를 활용한다.
• OmniDocBench 평가를 위한 후처리 과정을 명시했으며, arXiv 논문(2606.23050)도 공개되어 있다.