OCR de documentos longos em uma única passagem
Post publicado em 23 de junho de 2026 descreve um modelo de OCR que processa documentos com mais de 40 páginas em uma passagem e mantém constante o tamanho do KV Cache.
Fonte: Unlimited OCR para documentos longos (github.com). Texto preparado com IA a partir dessa fonte.
O que aconteceu e o que fazer
Em 23 de junho de 2026, a Baidu publicou um post sobre um modelo open source de OCR para documentos longos. A abordagem usa Reference Sliding Window Attention para processar mais de 40 páginas em uma única passagem, com 3 bilhões de parâmetros totais e 500 milhões ativados. O post também relata resultados no OmniDocBench v1.5 e v1.6 e descreve o uso de tamanho constante para o KV Cache.
Uma empresa pode avaliar essa abordagem com seu próprio acervo, começando por um diagnóstico dos tipos de documento e dos requisitos de extração. Um piloto pode comparar qualidade do OCR, uso de memória e tempo de processamento em documentos longos; em seguida, uma implementação pode integrar a extração a uma API ou pipeline, com monitoramento e revisão de falhas. O trabalho aqui é de engenharia de documentos e avaliação, sem presumir que um modelo específico seja adequado antes dos testes.
Como a consultoria pode ajudar
A Wendelmaques pode diagnosticar o fluxo documental e os requisitos de OCR, definir uma avaliação com critérios e amostras do cliente e propor uma implementação delimitada, incluindo integração, monitoramento e operação conforme o escopo.
Próximo passo
Envie uma breve descrição dos documentos e do fluxo que deseja melhorar para receber uma proposta de escopo para diagnóstico e implementação.
Vamos avaliar seu projeto
Respondo com escopo e proposta.