OCR의 기준이 바뀌고 있습니다. 단순히 이미지 속 글자를 인식하는 수준을 넘어, 긴 PDF 안의 표, 문단 순서, 페이지 간 맥락을 얼마나 안정적으로 보존하느냐가 중요해졌습니다. 기업 문서, 논문, 계약서, 매뉴얼을 RAG나 문서 자동화에 활용하려면 이 구조 정보가 빠지면 안 됩니다.
Baidu의 Unlimited OCR은 이 문제를 겨냥한 오픈소스 문서 파싱 모델입니다. 2026년 6월 23일 arXiv에 논문이 공개됐고, 모델은 Hugging Face와 ModelScope에서 제공됩니다.1 핵심은 “긴 문서를 끝까지 읽을 때 생기는 비용과 맥락 손실을 어떻게 줄일 것인가”입니다.
Unlimited OCR은 무엇이 다른가
Unlimited OCR은 30억 파라미터 규모의 MoE 모델입니다. MoE는 여러 전문가 네트워크 중 필요한 일부만 활성화해 계산 효율을 높이는 구조입니다.2 하지만 이 모델을 이해할 때 더 중요한 요소는 Reference Sliding Window Attention, 즉 R-SWA입니다.
일반적인 LLM 디코더는 출력이 길어질수록 이전 토큰에 대한 KV 캐시가 계속 커집니다. 문서 파싱에서는 이 문제가 더 두드러집니다. 긴 문서를 처리할수록 모델이 봐야 할 이미지, 프롬프트, 생성된 출력이 함께 늘어나기 때문입니다.
R-SWA는 이 병목을 줄이기 위해 참조 토큰과 출력 토큰을 다르게 다룹니다. 문서 이미지와 프롬프트 같은 참조 정보는 계속 보게 하되, 이미 생성한 출력은 최근 일부 창만 유지합니다.2 즉, 원문에 대한 접근은 유지하면서 출력 이력 관리 비용을 줄이는 방식입니다.
이 설계가 중요한 이유는 긴 문서를 페이지 단위로 끊어 처리할 때 생기는 구조 손실을 줄일 수 있기 때문입니다. 표가 다음 페이지로 이어지거나, 다단 문서의 읽기 순서가 복잡하거나, 문단 흐름이 페이지 경계를 넘는 경우에는 단순 OCR보다 문서 전체의 흐름을 유지하는 능력이 더 중요합니다.
성능 수치보다 먼저 봐야 할 것
Unlimited OCR은 OmniDocBench v1.5에서 Overall 93.23점을 기록했습니다.2 벤치마크 점수만 보면 강력한 모델이지만, 실제 도입 여부는 수치 하나로 판단하기 어렵습니다.
확인해야 할 질문은 더 구체적입니다.
페이지 경계를 넘는 표를 올바르게 이어서 파싱하는가
다단 논문이나 보고서의 읽기 순서를 유지하는가
스캔 품질이 낮은 문서에서도 원문과 다른 내용을 만들지 않는가
결과물이 RAG, 검색, 요약, 데이터 추출에 바로 쓸 수 있는 구조를 갖추는가
특히 LLM 기반 OCR은 전통적인 OCR과 달리 문서에 없는 내용을 그럴듯하게 생성할 가능성을 배제할 수 없습니다. 계약서, 재무 문서, 규정 문서처럼 민감한 영역에서는 원문 대조, 샘플 검수, 후처리 검증 단계를 함께 설계해야 합니다.
실제로 테스트할 때의 기준
Hugging Face 예시는 NVIDIA GPU 환경을 기준으로 제공되며, Python 3.12.3과 CUDA 12.9에서 테스트됐습니다.1 단일 이미지 추론은 gundam 설정과 base 설정을 지원하고, 멀티 페이지나 PDF 처리에는 base 방식이 사용됩니다.1
모델은 MIT 라이선스로 공개돼 자체 호스팅이나 상업적 활용을 검토하기에 유리합니다.3 다만 이름의 “Unlimited”를 말 그대로 무제한 처리로 이해하면 곤란합니다. 공개 예시는 32K 컨텍스트를 기준으로 하며, Unlimited OCR의 핵심 가치는 무한 입력이 아니라 긴 문서 OCR에서 KV 캐시 병목을 줄이는 구조적 접근에 있습니다.
따라서 도입을 검토한다면 먼저 대표 문서 몇 가지로 작은 평가 세트를 만드는 것이 좋습니다. 짧고 깨끗한 이미지보다, 실제 업무에서 문제가 되는 긴 PDF, 복잡한 표, 낮은 품질의 스캔본을 넣어 봐야 합니다. 그리고 단순 인식률보다 구조 유지, 페이지 간 연결, 후속 RAG 파이프라인에서의 활용 가능성을 함께 봐야 합니다.
결론: OCR의 병목은 ‘읽기’에서 ‘끝까지 구조화하기’로 이동 중
Unlimited OCR의 의미는 새로운 OCR 모델이 하나 더 등장했다는 데 그치지 않습니다. 문서 AI에서 중요한 병목이 글자 인식률에서 긴 문서를 구조적으로 끝까지 읽고, 후속 시스템이 활용할 수 있는 형태로 바꾸는 능력으로 이동하고 있음을 보여줍니다.
Baidu의 Unlimited OCR은 그 변화에 대한 하나의 설계 사례입니다. 긴 문서 처리, 문서 RAG, 자동화 파이프라인을 고민하고 있다면 이 모델을 단순 OCR 도구가 아니라 “긴 문서 파싱 아키텍처”의 관점에서 살펴볼 만합니다.
1baidu/Unlimited-OCR · Hugging Face
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.