Unlimited-OCR-2
Unlimited-OCR-2 是百度文心开源的多模态文档解析模型（约 3.3B 总参 / 0.5B 激活 MoE）。核心用 SR-SWA 把文本–视觉交互压到固定参考集，算力与显存近乎恒定，支持数十页到百页级一站式解析，并在 MPDocBench、MarathonDocBench 等超长文档评测上领先。一次输出文本、表格、公式、版式与阅读顺序，适合办公、教育、金融等长文档场景。
该模型支持单轮多文件输入及流式、同步（非流式）输出；建议一次请求上传连续多页图片或文档，效果更佳，不相关文档请分多次请求，单次请求累计页数不要超过500页
权限说明
鉴权认证机制的详细内容请参见鉴权认证
注意事项
若无可删除
请求参数
模型ID，固定值unlimited-ocr-2
聊天历史信息列表 messages成员仅支持user 输入为图片或者PDF，支持Base64或者URL
显示子属性
隐藏子属性
显示子属性
隐藏子属性
固定值，user
文件内容列表，支持多张图片、多个 PDF，或图片与 PDF 混合输入。
显示子属性
隐藏子属性
显示子属性
隐藏子属性
固定值，image_url
文件输入对象，可传入图片或 PDF，支持 URL 或 Base64 Data URL
显示子属性
隐藏子属性
图片或 PDF 的 URL 或 Base64 Data URL。 支持 JPG、JPEG、PNG、BMP 和 PDF。
是否以流式方式返回结果，默认 true。 true：流式返回，首Token超时时间120s，超时时间5001s false：同步返回完，超时时间5001s
流式响应选项，仅在 stream=true 时生效，建议设置为 true。
显示子属性
隐藏子属性
流式响应是否输出usage
设置为true时，在最后一个chunk会输出一个字段，这个chunk上的usage字段显示整个请求的token统计信息 设置为false时，流式响应默认不输出usage
整篇文档最大输出 Token 数，默认按 max_page_tokens × 实际处理页数计算，通常无需修改。
单页最大输出 Token 数，默认 20000，必须为正整数，如果密集表格或文字场景可视情况增加
POST /v2/chat/completions HTTP/1.1
Host: qianfan.baidubce.com
Authorization: Bearer <API Key>
Content-Type: application/json
Accept: text/event-stream
{
"model": "unlimited-ocr-2",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/image1.jpg"
}
}
]
}
],
"stream": true,
"stream_options": {
"include_usage": true
}
}示例代码
该模型支持单轮多文件输入及流式、同步（非流式）输出；建议一次请求上传连续多页图片或文档，效果更佳，不相关文档请分多次请求，单次请求累计页数不要超过500页
curl --no-buffer --location 'https://qianfan.baidubce.com/v2/chat/completions' \
--header 'Content-Type: application/json' \
--header 'Accept: text/event-stream' \
--header "Authorization: Bearer ${QIANFAN_API_KEY}" \
--data '{
"model": "unlimited-ocr-2",
"messages": [
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "https://example.com/image1.jpg"
}
}
]
}
],
"stream": true,
"stream_options": {
"include_usage": true
}
}'返回响应
本次请求的唯一标识
响应对象类型，非流式响应通常为 chat.completion
响应创建时间，Unix 时间戳
实际使用的模型名称
模型返回结果列表
显示子属性
隐藏子属性
显示子属性
隐藏子属性
结果序号，通常为0
返回结果
显示子属性
隐藏子属性
返回角色，固定为 assistant
模型解析结果
生成结束原因，stop 表示正常结束
服务返回的状态标记
Token信息
显示子属性
隐藏子属性
输入 Token 数量
输出 Token 数量
总 Token 数量
坐标说明： 返回结果中各内容块的坐标为相对于整页图片的 0–1000 归一化坐标，格式为 [x1, y1, x2, y2]，分别表示左上角和右下角的位置。 渲染时应使用对应整页图片的尺寸；PDF 使用对应页面转图后的尺寸。图片仅缩放、未发生旋转、裁剪或补边时，可按相同比例直接渲染。
{
"id": "as-akzjw0f4ff",
"object": "chat.completion",
"created": 1793860412,
"model": "unlimited-ocr-2",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "<PAGE><BLOCK>title[426, 86, 571, 102]<FORK>海淀公园景区介绍\n<BLOCK>text[149, 123, 850, 546]<FORK>海淀关于位于北京西北四环万泉河立交桥的东北角,东起万泉河路,西至万柳中路,南到西北四环路,北至新建宫门路,东邻中关村科技园区,毗邻清华大学、北京大学,面积约34公顷,是历史上北京三"
},
"finish_reason": "stop",
"flag": 0
}
],
"usage": {
"prompt_tokens": 909,
"completion_tokens": 103,
"total_tokens": 1012
}
}错误码
如果调用失败并返回报错信息，请参见错误码进行解决。
公共错误码：查看公共错误码
评价此篇文章