바이두, 수백 쪽 문서를 한 번에 읽는 오픈소스 OCR 'Unlimited OCR 2' 공개… 3B·MIT 라이선스
오늘 저녁 소식은 문서 AI 분야입니다. 바이두가 책, 공시 자료, 보고서처럼 수백 쪽에 이르는 긴 문서를 요청 한 번으로 구조화된 텍스트로 바꿔 주는 오픈소스 OCR 모델 Unlimited OCR 2를 10월 27일 Hugging Face에 공개했습니다. 6월에 나온 Unlimited-OCR의 후속작이며, 가중치는 MIT 라이선스로 공개됐습니다.
핵심 포인트
- 3.34B 크기의 비전-언어 모델: 본문 텍스트뿐 아니라 표, 수식, 그림, 제목 구조, 읽는 순서까지 뽑아냅니다. BF16 가중치는 약 6.7GB로 GPU 한 장에서 돌아갑니다(바이두는 A800-80GB에서 테스트).
- 새 어텐션 방식 SR-SWA: 긴 문서의 텍스트-이미지 어텐션을 약 512토큰의 고정된 참조 세트로 압축해, 문서가 길어져도 토큰당 디코딩 지연과 메모리가 거의 일정하게 유지됩니다. 다만 이미지 인코딩과 전체 처리 시간은 쪽수에 따라 늘어납니다.
- 긴 문서 벤치마크 1위(자체 발표): 수십 쪽 문서용 MPDocBench에서 84.6점, 수백 쪽 문서용 MarathonDocBench에서 77.1점을 기록했습니다. MarathonDocBench 2위인 Kimi-K3는 33.7점이었습니다.
- 약점도 있음: 제목 계층 구조 인식은 MarathonDocBench 기준 48.2점으로 세부 점수 중 가장 낮았습니다.
- 바로 써볼 수 있음: Transformers로 간단히 테스트하거나 바이두가 수정한 SGLang으로 서빙할 수 있습니다. 문서 전체를 한 번에 넣으면 쪽과 쪽 사이의 맥락까지 이어서 읽습니다.
왜 중요한가
기존 OCR 모델은 쪽 단위로 끊어 읽는 경우가 많아 여러 쪽에 걸친 표나 문단이 깨지기 쉬웠습니다. Unlimited OCR 2는 수백 쪽을 한 흐름으로 읽으면서도 메모리 부담을 일정하게 묶어 두기 때문에, 계약서, 사업보고서, 논문 같은 긴 문서를 RAG나 AI 에이전트에 넣기 전 전처리 단계에서 특히 쓸모가 큽니다. 상업적으로 쓰기 편한 MIT 라이선스라는 점도 장점입니다. 다만 벤치마크 수치는 모두 바이두 자체 발표이고 MarathonDocBench는 아직 공개되지 않아, 독립적인 검증은 더 지켜봐야 합니다.
출처