Seit dem 27. Oktober steht Baidus Texterkennungsmodell unter MIT-Lizenz zum Download bereit. Auch bei 300 Seiten bleiben Rechenzeit und Speicher je Rechenschritt laut Baidu nahezu konstant. Ob Personalakten in Deutschland bleiben, entscheidet der Betriebsort.
Ein Klick · kostenlosDr. Web bei Google bevorzugenMarkieren Sie drweb.de als bevorzugte Quelle. Dann sehen Sie unsere Artikel öfter unter den Top-Meldungen.Jetzt hinzufügenEinen kompletten Harry-Potter-Band wandelt das Modell in Baidus Vorführung mit einer einzigen Anfrage in Text um.[1] Übliche OCR-Programme zerlegen solche Dokumente in Einzelseiten, seitenübergreifende Tabellen zerfallen dabei.
Das Wichtigste in Kürze
- Baidu stellt Unlimited OCR 2 mit 3,34 Mrd. Parametern kostenlos bereit, auch für kommerzielle Nutzung.
- Ein neues Verfahren berücksichtigt je Rechenschritt nur einen festen Ausschnitt des Dokuments, zum Beispiel 512 Tokens.
- Die Bestwerte stammen aus einem Baidu-eigenen Test ohne deutsche Dokumente.
- Auf eigenen Servern verlassen die Dokumente das Unternehmen nicht, über Baidus Cloud schon.
Wie schafft das Modell Hunderte Seiten?
Sprachmodelle gleichen jedes neu erzeugte Textstück mit allen vorherigen ab. Mit der Seitenzahl wächst der Rechenaufwand deshalb quadratisch, der Zwischenspeicher füllt nach und nach die Grafikkarte. Baidus Verfahren SR-SWA fasst die Verknüpfungen zwischen Bild und Text in einer festen Auswahl von zum Beispiel 512 Tokens zusammen und gibt Zwischenspeicher frei, den das Modell nicht mehr braucht. Laut Baidu dauert damit jeder Rechenschritt nahezu gleich lang, egal ob das Dokument zehn oder 300 Seiten hat.[1]
Ganz ohne Stückelung kommt der Serverbetrieb nicht aus. In Baidus Beispielkonfiguration für die Serversoftware SGLang verarbeitet das Modell zehn Seiten je Abschnitt und greift auf den Zwischenspeicher vom Ende des vorigen Abschnitts zurück. Kleinere Abschnitte sparen Speicher, Inhalte über eine Abschnittsgrenze hinweg führt das Modell laut Baidu dann aber schlechter zusammen.[1]
Wie belastbar sind die Bestwerte?
Die Bestwerte misst Baidu mit MarathonDocBench, einem Test, den der Konzern am selben Tag veröffentlicht hat: 100 Dokumente mit 100 bis 300 Seiten, zusammen rund 18.000 Seiten auf Chinesisch und Englisch.[2] Unabhängig nachgemessen hat die Ergebnisse bisher niemand.
Die erste Version erschien im Juni 2026 und baut auf DeepSeek-OCR auf. Hugging Face zählt für diese Fassung rund drei Millionen Downloads in den vergangenen 30 Tagen.[3] Chinas KI-Konzerne stellen ihre Modelldateien in rascher Folge frei ins Netz, zuletzt Tencent seinen KI-Dolmetscher.
Was bedeutet das für Unternehmen in Deutschland?
Die 6,7 GB großen Modelldateien passen auf eine einzelne Server-Grafikkarte. Verträge und Personalakten bleiben damit im eigenen Rechenzentrum. Baidu bietet das Modell zusätzlich in seiner Cloud an. Für China hat die EU-Kommission keinen Angemessenheitsbeschluss erlassen, Unternehmen brauchen für personenbezogene Daten deshalb Garantien wie Standardvertragsklauseln nach Artikel 46 DSGVO.[4]
Zum Datenschutzproblem wird ein offenes Modell aus China erst mit dem Hochladen der Akten in Baidus Cloud.
Michael Dobler, Herausgeber Dr. Web
Auch lokal verlangt der Betrieb Sorgfalt: Zum Laden aktiviert Baidus Beispielcode die Einstellung trust_remote_code, die Python-Code aus dem Repository ausführt. Lassen Sie diesen Code am besten vor dem Einsatz prüfen und nutzen Sie danach nur die geprüfte Fassung. In einem Test von Cohere wollte zuletzt Alibabas Qwen eine Datei nach Peking hochladen. Testen Sie die Erkennung außerdem an eigenen deutschen Akten und vergleichen Sie das Ergebnis mit Ihrer bisherigen Software wie Acrobat oder FineReader.
Quellen
4 Quellen anzeigenQuellen ausblenden
- BaiduUnlimited OCR Works 2, Modellkarte auf Hugging Face (englisch)
- BaiduMarathonDocBench: A New Benchmark for Ultra-Long Document Parsing (englisch)
- BaiduUnlimited OCR, Modellkarte der ersten Version auf Hugging Face (englisch, Downloadzähler abgerufen am 28. Oktober 2026)
- Amtsblatt der EUVerordnung (EU) 2016/679 (Datenschutz-Grundverordnung), Artikel 45 und 46
Mehr Newshunger?
- Tencent veröffentlicht KI-Dolmetscher Hy-SimulMT: Die Übersetzung folgt dem Redner mit rund drei Sekunden Abstand
- Cohere: Alibabas Qwen3.8 versuchte im Test, eine Datei nach Peking hochzuladen
- Kimi K3.1 Pro: Moonshot hält das offene Modell bei Cyberangriffen bewusst unter Spitzenniveau
- Chinas KI-Modelle kosten 2026 fast doppelt so viel wie im Vorjahr
- China will große KI-Modelle unter Exportkontrolle stellen, offene Modelle ausgenommen
- DeepSeek-Verbot in US-Behörden erfasst auch die Software anderer Anbieter
