7月27日晚，月之暗面正式开源 Kimi K3 完整模型权重，发布后几十分钟内迅速登顶国际开源AI模型社区 Hugging Face 总趋势榜第一。紧随其后的是此前多日位列榜首的 百度 开源模型 Unlimited OCR，两者包揽了Hugging Face榜单前二，被开发者社区称为中国模型的“开源双子星”。

Unlimited OCR 的表现更为罕见。该模型首发即登顶 GitHub Daily Trending 总榜和Python榜，同时在Hugging Face实现全球模型总趋势榜和多模态模型趋势榜四榜第一。发布一个月后，其热度再次攀升，获得图灵奖得主、AI科学家杨立昆转发，一举重回Hugging Face全球模型总趋势榜第一。截至目前，Unlimited OCR 在 GitHub Star 已突破 1.97万，Hugging Face 下载量达到 265万。

Unlimited OCR 受到开发者持续关注，核心在于它解决了长文档解析领域长期存在的技术痛点。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。随着输出内容增长，解码阶段的 KV Cache 持续膨胀，导致推理速度和显存成本随之增加。

针对这一行业难题，百度提出了 Reference Sliding Window Attention（R-SWA） 机制。该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”，而非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 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。

业内人士指出，这一突破不仅让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思路。相较于依赖不断扩展上下文窗口来提升能力，R-SWA机制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。

在开源社区，项目发布初期登上趋势榜并不罕见，但在热度回落后，仅凭开发者持续使用与口碑传播再次上榜的案例并不多见。此前，DeepSeek-R1 曾在模型发布、API开放等多个节点多次进入趋势榜；而 Unlimited OCR 仅凭全球开发者持续下载、部署、使用和推荐，时隔一个月再次登顶 Hugging Face 全球模型总趋势榜。这表明，Unlimited OCR 的影响力已从发布热度延伸至持续的开发者采用和社区传播，也折射出中国AI开源正从“发布即关注”迈向“持续被采用”，国际影响力进一步沉淀为全球开发者生态影响力。

百度在开源领域的布局由来已久。除了模型，百度此前已将 PaddlePaddle 深度学习框架、Apollo 自动驾驶平台等AI基础设施底座开源，并将 ECharts、bRPC、Doris、HugeGraph 等成熟通用工程项目捐给国际开源基金会 Apache，积极融入全球开源体系。

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。