百度は GitHub で OCR モデル Unlimited-OCR をオープンソース化し、「一度に全てのページを処理する」ことを主な特徴としています。従来の OCR のようにページごとに分けて処理する必要はありません。現在、このプロジェクトは 2.3 万以上のスターを獲得しており、MIT ライセンスでリリースされています。モデルのパラメータは約 33 億（3,336,106,240）で、軽量級のスケールに属し、ローカルにデプロイして実行できるため、ファイルをクラウドにアップロードする必要はありません。
一度に複数ページのファイルを処理
Unlimited-OCR は公式に「One-shot Long-horizon Parsing」と呼ばれており、PDF の各ページを画像に変換し、一度にモデルに入力して複数ページを解析します。単回の対話の上限は 32,768 トークンで、ファイルをページごとに分けて処理する必要はありません。このプロジェクトは、百度チームが DeepSeek-OCR を基にさらに開発したもので、README には DeepSeek-OCR との正式なベンチマークスコアの比較は記載されておらず、この点については公式のデータはまだ引用できません。
ローカルデプロイ、無料で実行
モデルは Hugging Face(baidu/Unlimited-OCR) に上架されており、Transformers を使用して直接推論をロードすることができます。また、vLLM と SGLang のデプロイメントオプションもあり（vLLM は CUDA 13.0 と 12.9 の 2 つのバージョンの Docker イメージを提供）、独立したグラフィックカードを持つユーザーが自分でデプロイするのに適しています。ページごとに料金が発生するクラウド OCR API に対して、ローカルで実行すればページ単位での課金はなく、長期契約や論文などの長文を一度に処理するのは便利です。