中国AI 开源模型创新成果集中涌现，持续引发全球开发者关注。7月27日，月之暗面正式开源 Kimi K3 完整模型权重，随即登上国际开源AI模型社区Hugging Face总趋势榜第一，紧随其后的是百度开源模型 Unlimited OCR，两者包揽了Hugging Face榜单前二，被称为中国模型“开源双子星”。

Kimi K3 发布后，几十分钟内迅速登顶 Hugging Face 趋势榜，刷新平台的增长纪录。Unlimited OCR 5天内GitHub 星标榜突破 1 万，登顶 GitHub日趋势总榜和Python 榜、HuggingFace 全球模型总趋势榜和多模态模型趋势榜，实现“四榜第一”，被图灵奖得主、AI科学家杨立昆（Yann LeCun）转发推荐。

Yann LeCun转发推荐。截图自X平台

截至目前，Unlimited OCR 在GitHub 星标数量已突破 1.97万，HuggingFace 下载量达到 265 万。Unlimited OCR受到开发者持续关注，并非只是性能领先，更重要的是推动了长文档解析技术向前迈出关键一步。

过去，OCR 模型面对书籍、论文、报告等长文档时，通常需要采用“逐页解析+结果拼接”的工程方案，随着输出内容不断增长，解码阶段的 KV Cache 持续膨胀，推理速度和显存成本也随之增加。针对这一行业痛点，百度提出“参考滑动窗口注意力”（R-SWA）机制，借鉴人类阅读和抄录长文档时的工作方式——始终保持对原始文档内容的关注，同时仅保留最近一段生成内容作为“工作记忆”，而不是无限累积全部历史信息。基于这一设计，模型能够在一次前向推理中连续完成数十页文档解析，实现从第一页到最后一页的连贯输出，同时将解码阶段的键值缓存（ KV Cache ）控制在恒定规模，使计算成本和显存占用不随输出长度持续增长。这一突破不仅在于让OCR 解析更快、更准，更重要的是为大模型长程推理和记忆管理提供了新的思路。相较于依赖不断扩展上下文窗口提升能力，这一创新探索了以更高效的注意力机制实现长期任务处理的新路径。

近年来，中国人工智能企业围绕推理、多模态、长文本、文档智能等关键方向持续实现原创突破，逐步形成多点开花、协同创新的发展格局。从DeepSeek、Kimi，再到百度Unlimited OCR，中国AI输出的不仅是具有国际竞争力的模型，更是不断贡献原创技术、开源生态和创新范式。

Unlimited OCR开源地址：

GitHub：https://github.com/baidu/Unlimited-OCR

HuggingFace：https://huggingface.co/baidu/Unlimited-OCR