Unlimited-OCR-2

Unlimited-OCR-2

更新时间：2026-11-13

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。

POST

https://qianfan.baidubce.com/v2/chat/completions

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

Headers 参数

除公共头域外，无其它特殊头域

Body 参数

model string

模型ID，固定值unlimited-ocr-2

必选

messages array

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

必选

显示子属性隐藏子属性

items object {2}

显示子属性隐藏子属性

role string

固定值，user

必选

content array

文件内容列表，支持多张图片、多个 PDF，或图片与 PDF 混合输入，单次传输累计页数不超过500页。

必选

显示子属性隐藏子属性

items object {2}

显示子属性隐藏子属性

type string

固定值，image_url

必选

image_url object {1}

文件输入对象，可传入图片或 PDF，支持 URL 或 Base64，其中图片最长边不大于8192px。 Base64方式图片不超过10M，PDF大小不超过50M。若PDF大小超过50M，须从传入URL。

必选

显示子属性隐藏子属性

url string

图片或 PDF 的 URL 或 Base64 Data 。图片支持 JPG、JPEG、PNG、BMP 。

必选

stream boolean

是否以流式方式返回结果，默认false，简单版面大于10页的文档改成true，复杂文档版面大于5页改成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

可选

stream_options object {1}

流式响应选项，仅在 stream=true 时生效

可选

显示子属性隐藏子属性

include_usage boolean

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

可选

metadata object {1}

可选

显示子属性隐藏子属性

max_page_tokens string

单页最大输出 Token 数，默认 20000，如果是普通文档建议可以改成5000，输入整数

可选

请求结构

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/document.pdf"
          }
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://example.com/next-page.jpg"
          }
        }
      ]
    }
  ],
  "stream": true,
  "stream_options": {
    "include_usage": true
  },
  "metadata": {
    "max_page_tokens": "5000"
  }
}

示例代码

请求示例

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/document.pdf"
            }
          },
          {
            "type": "image_url",
            "image_url": {
              "url": "https://example.com/next-page.jpg"
            }
          }
        ]
      }
    ],
    "stream": true,
    "stream_options": {
      "include_usage": true
    },
    "metadata": {
      "max_page_tokens": 20000
    }
  }'

返回响应

Headers 参数

除公共头域外，无其它特殊头域

返回参数

id string

本次请求的唯一标识

可选

object string

响应对象类型，非流式响应通常为 chat.completion

可选

created string

响应创建时间，Unix 时间戳

可选

model string

实际使用的模型名称

可选

choices array

模型返回结果列表

可选

显示子属性隐藏子属性

items object {4}

显示子属性隐藏子属性

index integer

结果序号，通常为0

可选

message object {2}

返回结果

可选

显示子属性隐藏子属性

role string

返回角色，固定为 assistant

可选

content string

模型解析结果

可选

finish_reason string

生成结束原因，stop 表示正常结束， length表示输出token达到上限长度

可选

flag integer

服务返回的状态标记

可选

usage object {3}

Token信息

可选

显示子属性隐藏子属性

prompt_tokens integer

输入 Token 数量

可选

completion_tokens integer

输出 Token 数量

可选

total_tokens integer

总 Token 数量

可选

响应示例转Markdown示例转Json示例

下面是返回的结果示范，可以参考主要模型输出可参考content，其中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。

JSON

{
    "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
    }
}

模型输出结果转换成 Markdown 可以参考 Markdown 转换脚本

Python

# 同步（非流式，stream=false）：输入完整 JSON，从 choices[].message.content 读取识别文本
python3 to_markdown.py response.json --input-format json -o result.md

# 流式（stream=true）：输入完整 SSE 正文，按顺序拼接 choices[].delta.content
python3 to_markdown.py response.sse --input-format sse -o result.md

模型输出结果转换成 Json 可以参考 Json 转换脚本

JSON

# 同步（非流式，stream=false）：输入完整 JSON，从 choices[].message.content 读取识别文本
python3 to_json.py response.json --input-format json -o result.json

# 流式（stream=true）：输入完整 SSE 正文，按顺序拼接 choices[].delta.content
python3 to_json.py response.sse --input-format sse -o result.json

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

有帮助没帮助

百度智能云

千帆AI应用开发者中心-API参考 qianfan-api

千帆AI应用开发者中心-API参考 qianfan-api

权限说明

注意事项

请求参数

示例代码

返回响应

错误码