스프쌤
오픈소스 AI

바이두 Unlimited OCR 2 공개, 책 한 권을 한 번에 읽는 3.3B 오픈소스 AI

✍ 야금야금⏱ 15분 소요2026-10-25👁
← 목록으로 돌아가기

수백 페이지짜리 스캔 PDF를 OCR에 넣었다가 메모리 부족 에러를 마주하거나 수십 개 파일로 쪼개느라 밤을 새워본 적이 있습니까?

✦ AI Key Summary & Global Takeaways

이 아티클의 핵심 내용 요약과 글로벌 검색·AI 엔진을 위한 테이크어웨이입니다.

✦ KR 주제: 바이두 Unlimited OCR 2 아키텍처 및 활용성

✦ KR 핵심 요약: 바이두가 2026년 10월 27일 MIT 라이선스로 공개한 Unlimited OCR 2는 3.3B 크기로 책 한 권 전체를 단일 요청으로 인식합니다. SR-SWA 기술로 긴 문서에서도 연산량과 메모리를 통제하며 자체 벤치마크에서 높은 점수를 보였으나 제3자 독립 검증과 GPU 자원 확인이 선행되어야 합니다.

🌐 Global Takeaway: Baidu released Unlimited OCR 2, a 3.3B parameter MIT-licensed vision-language model capable of processing entire books in a single request. By implementing the SR-SWA mechanism, it prevents memory blowup over extended contexts, shifting document digitization from fragmented batching to unified end-to-end extraction.

아래 그림은 기존 페이지별 분할 인식 방식과 바이두 Unlimited OCR 2의 초장문 통권 인식 아키텍처 차이를 보여줍니다.

기존 페이지 분할 OCR vs 바이두 Unlimited OCR 2
기존 분할 방식
  • 문서 수동 분할 및 청킹 필요
  • 페이지 경계에서 문맥 단절 발생
  • 누적 처리 시 선형적 지연과 메모리 폭증
VS
Unlimited OCR 2
  • 단일 요청으로 소설책 1권 통째 처리
  • SR-SWA 기반 전역 문맥 유지
  • 길이가 늘어나도 일정한 처리 속도와 자원
문서를 페이지 단위로 쪼개서 합치는 기존 방식과 단일 컨텍스트로 통째로 읽는 방식의 차이
Unlimited OCR 2 기술 계층
입력 인터페이스단일 프롬프트 기반 수백 페이지 이미지 및 PDF 수집
SR-SWA 연산 코어메모리 폭증을 억제하는 희소 슬라이딩 윈도우 어텐션
구조화 추출 엔진다단 레이아웃·표·텍스트 문맥 보존 및 디코딩
오픈소스 배포 계층MIT 라이선스 기반 3.3B 허깅페이스 및 온프레미스 구동
초장문 문서를 단일 파이프라인에서 처리하는 아키텍처 계층 구조

1. 수백 페이지 PDF를 단 한 번에 읽어내는 Unlimited OCR 2 공개

문서 디지털화 작업에서 가장 큰 기술적 장벽은 문서의 길이였습니다. 기존 광학 문자 인식(OCR) 도구들은 메모리 한계와 어텐션 연산 복잡도 때문에 수십 페이지를 넘어가면 시스템이 다운되거나 속도가 현저히 느려지는 문제를 안고 있었습니다. 이를 해결하기 위해 실무자들은 대용량 PDF를 페이지별로 쪼갠 뒤 각각 텍스트를 추출하고 다시 병합하는 파편화된 파이프라인을 구축해야 했습니다. 이 과정에서 문맥이 끊기고 다단 편집이나 각주, 표 데이터가 뒤섞이는 현상이 빈번하게 일어났습니다.

바이두(Baidu)는 2026년 10월 27일 이러한 병목을 정면으로 돌파한 비전 언어 OCR 모델 'Unlimited OCR 2'를 전격 공개했습니다. 이번 모델은 약 3.3B(33억) 파라미터 규모로 구축되었으며, 상업적 활용과 수정이 자유로운 MIT 라이선스를 채택하여 전 세계 개발 생태계의 이목을 집중시켰습니다. 공식 발표와 데모를 통해 바이두는 수백 페이지 분량의 단행본 소설 한 권 전체를 단 한 번의 프롬프트 호출로 텍스트화하는 성능을 시연했습니다.

현재 이 모델은 글로벌 개발자 허브인 허깅페이스 스페이스(Hugging Face Spaces)와 중국 내 주요 인공지능 플랫폼인 모델스코프(ModelScope), 그리고 바이두 클라우드 인프라를 통해 체험 및 다운로드가 가능한 상태입니다. 연구 목적에 국한되지 않고 실제 상용 엔터프라이즈 환경에 적용할 수 있는 라이선스로 배포되었다는 점에서 문서 자동화 및 검색 증강 생성(RAG) 파이프라인 구축을 고민하던 개발팀들에게 강력한 대안으로 부상하고 있습니다.

1-1. 3.3B 경량 파라미터가 지니는 엔지니어링 가치

거대 언어 모델(LLM)이 수십억에서 수천억 파라미터로 비대해지는 흐름 속에서, 문서 전용 모델이 3.3B 크기로 설계되었다는 점은 실무 인프라 관점에서 매우 중요한 의미를 지닙니다. 70B 이상의 초거대 멀티모달 모델은 문서 처리 정확도가 높을지언정 추론을 위해 고가의 데이터센터용 GPU 클러스터를 다수 요구하므로 대량 문서 변환 작업에서 단가 타산이 맞지 않습니다.

반면 3.3B 크기는 단일 상용 엔터프라이즈 GPU 또는 최적화된 온프레미스 인프라에서도 효율적으로 서빙할 수 있는 체급입니다. 대규모 기업 아카이브나 공공 도서관의 스캔 고서, 법률 계약서처럼 외부 클라우드로 전송할 수 없는 민감 문서를 사내 폐쇄망 안에서 경제적으로 전수 디지털화할 수 있는 물리적 기반을 제공합니다.

2. 긴 문서 병목을 깬 핵심 원리: SR-SWA 아키텍처

트랜스포머 기반의 비전-언어 모델이 초장문 문서에서 실패하는 주된 이유는 어텐션 메커니즘의 2차 복잡도($O(N^2)$) 때문입니다. 입력되는 토큰과 이미지 패치가 늘어날수록 키(Key)와 밸류(Value) 행렬을 저장하는 KV 캐시가 기하급수적으로 팽창하여 결국 그래픽 메모리가 고갈되는 아웃 오브 메모리(OOM)가 발생합니다. 바이두는 이 문제를 해결하기 위해 'SR-SWA' 방식을 핵심 아키텍처로 도입했습니다.

SR-SWA는 슬라이딩 윈도우 어텐션(Sliding Window Attention)의 공간 국소성 최적화와 희소 전역 참조 메커니즘을 결합한 하이브리드 연산 구조로 알려져 있습니다. 문서가 10페이지에서 수백 페이지로 길어지더라도 모델이 모든 토큰을 무차별적으로 상호 참조하는 대신, 국소적인 텍스트 흐름을 인접 윈도우 단위로 처리하면서 문서 전체의 전역 좌표와 챕터 수준의 맥락만을 효율적으로 압축하여 전달합니다.

SR-SWA 문서 처리 파이프라인
문서 일괄 입력소설 및 수백 쪽 분량의 단일 스트림 수신
→
윈도우 분할 인코딩국소 영역 토큰 간 교차 어텐션 연산
→
희소 글로벌 집약페이지 간 참조 정보를 압축해 메모리 유지
→
단일 텍스트 출력경계 분실 없는 최종 텍스트 추출 완료
초장문 입력이 메모리 포화 없이 선형적으로 변환되는 단계별 흐름

이러한 구조적 혁신 덕분에 Unlimited OCR 2는 문서의 입력 길이가 극적으로 증가하더라도 초당 처리 속도와 점유 메모리가 거의 선형적으로 유지되는 특성을 보입니다. 단행본 수준의 긴 호흡을 지닌 텍스트라도 앞부분의 설정과 뒷부분의 결말에 이르는 레이아웃 연속성을 잃지 않고 안정적인 추론 사이클을 완성합니다.

2-1. 기존 분할 병합(Chunking)과의 구조적 차이

전통적인 OCR 파이프라인에서는 대용량 PDF를 처리하기 위해 광학적으로 페이지를 쪼갠 뒤 개별 이미지를 독립 모델에 던져 텍스트를 추출했습니다. 그러나 이 방식은 페이지 하단에서 상단으로 이어지는 문장이나, 양면에 걸쳐 펼쳐진 대형 표, 다단 레이아웃의 흐름을 본질적으로 추적하지 못한다는 치명적인 결함을 내포하고 있었습니다.

Unlimited OCR 2는 문서를 단일 시퀀스 컨텍스트 안에서 직접 소비하므로 페이지 경계에서 발생하는 구조적 데이터 유실을 원천적으로 차단합니다. 분할과 병합을 담당하던 중간 미들웨어 코드가 불필요해지며, 텍스트의 순서와 계층 구조가 원본 문서의 흐름 그대로 보존된 정제된 마크다운 및 텍스트 데이터를 즉각 도출할 수 있습니다.

3. 자체 벤치마크 결과와 기존 경량 엔진과의 포지셔닝

바이두는 모델을 공개하며 긴 문서 이해 능력을 측정하는 벤치마크 지표를 함께 발표했습니다. 복잡한 다중 페이지 문서 데이터셋인 MPDocBench에서 84.6점을 기록했으며, 마라톤 수준의 초장문 문서를 평가하는 MarathonDocBench에서는 77.1점을 달성했다고 명시했습니다. 이는 장문 문서 전용으로 평가받는 오픈소스 비전-언어 모델군 중에서도 상위권에 속하는 수치입니다.

바이두 자체 공개 긴 문서 벤치마크 점수
MPDocBench
84.6점
MarathonDocBench
77.1점
바이두가 공개한 초장문 문서 이해 벤치마크 성능 수치

바이두는 이미 글로벌 오픈소스 시장에서 가장 널리 쓰이는 경량 OCR 라이브러리 중 하나인 PaddleOCR과 최신 버전인 PP-OCRv5를 보유하고 있습니다. 기존 PP-OCRv5가 95%에서 99%에 달하는 인쇄체 인식 정확도를 제공하면서 단일 이미지나 짧은 영수증, 표 인식에 초점을 맞춘 초경량 파이프라인이었다면, Unlimited OCR 2는 그보다 훨씬 방대한 3.3B 파라미터를 기반으로 문서 전체의 논리적 구조와 수백 쪽의 인과관계를 통째로 인출하는 상위 계층 모델로 자리매김합니다.

3-1. 기존 문서 인식 기술 체계 비교

단일 페이지 위주의 상용 웹 도구 및 기존 오픈소스 엔진들과 Unlimited OCR 2의 기술적 규격을 대조하면 다음과 같은 뚜렷한 차이점이 드러납니다.

비교 항목 기존 웹 기반 OCR (예: ScanRead.ai) 오픈소스 경량 엔진 (PP-OCRv5) 바이두 Unlimited OCR 2
주요 모델 체급 클라우드 비공개 API 및 경량 모델 혼용 메가바이트(MB) 단위 초경량 엔진 3.3B 파라미터 VLM
단일 처리 용량 1~20페이지 내외 (일일 제한 존재) 단일 이미지/페이지 순차 루프 수백 페이지 단행본 1권 일괄 처리
페이지당 속도 페이지당 약 2초 내외 밀리초(ms) 단위 초고속 SR-SWA 기반 전체 일괄 추론
다국어 및 지원 100개 이상 다국어 지원 한·중·일 및 주요 글로벌 언어 다국어 지원 및 초장문 레이아웃 보존
라이선스 형태 상용 서비스 (일부 무료 크레딧) 아파치 2.0 라이선스 MIT 라이선스 (상업적 이용 가능)
실행 환경 웹 브라우저 (Chrome, Safari 등) 온디바이스 / 임베디드 / 서버 온프레미스 GPU 서버 / 클라우드

4. 단일 페이지 브라우저 OCR과 엔터프라이즈 모델의 작업 환경 비교

현재 시중에서 널리 활용되는 ScanRead.ai나 ImageTranslate.AI, OCRNeo 같은 온라인 브라우저 OCR 서비스들은 일상적인 문서 작업에 최적화되어 있습니다. 이들은 사용자가 별도의 소프트웨어나 드라이버를 설치하지 않아도 Chrome, Safari, Firefox 등 브라우저 환경에서 JPG, PNG, WebP, PDF 파일을 올리면 즉각 텍스트를 추출해 주는 높은 접근성을 자랑합니다.

하지만 대다수 온라인 무료 OCR 서비스는 하루 10페이지에서 20페이지 수준의 처리 제한을 두고 있으며, 파일당 업로드 크기를 10MB 안팎으로 제한합니다. 이는 수백 페이지에 달하는 기업 연구 보고서나 학술 논문, 법원 기록물, 스캔 도서를 정기적으로 처리해야 하는 엔지니어링 파이프라인에는 적용하기 어려운 구조적 제약입니다.

반면 Unlimited OCR 2는 사용자가 직접 인프라를 통제할 수 있는 오픈소스 모델입니다. 브라우저 세션의 만료나 일일 쿼터 제한 없이 기업 내부의 수만 권에 달하는 PDF 자산을 일괄 배치 작업으로 밀어 넣을 수 있습니다. 특히 외부 서버로 데이터를 업로드할 수 없는 규제 산업군에서 데이터 주권을 완벽하게 유지하면서도 상용 클라우드 못지않은 초장문 변환 성능을 내부에서 온전히 확보할 수 있습니다.

5. RAG 및 문서 자동화 파이프라인에서의 실무 활용 시나리오

현대 기업 인공지능 인프라의 핵심 과제 중 하나는 비정형 문서 데이터를 검색 증강 생성(RAG) 엔진이 읽을 수 있는 지식베이스로 정제하는 일입니다. 스캔된 PDF나 이미지 문서가 지식베이스로 유입될 때 텍스트 품질이 낮거나 다단 구조가 왜곡되면 임베딩 벡터의 품질이 급격히 저하되고 결과적으로 LLM의 환각 현상을 부추기게 됩니다.

Unlimited OCR 2는 문서를 통째로 읽어 들이면서 레이아웃과 텍스트의 논리적 계층을 보존하기 때문에 RAG 데이터 전처리 단계에서 독보적인 효용을 발휘합니다. 다음과 같은 세 가지 실무 파이프라인에서 즉시 전환 효과를 기대할 수 있습니다.

  • 법률 및 금융 규정 아카이브 구축: 수백 쪽에 달하는 약관, 감사 보고서, 판례집을 단일 맥락에서 마크다운 형태로 변환하여 단락 간 참조 관계를 온전히 보존합니다.
  • 기술 매뉴얼 및 장비 도면 텍스트화: 텍스트와 다이어그램 설명문이 혼합된 두꺼운 장비 매뉴얼을 페이지 분할 손실 없이 디지털 카탈로그로 통합합니다.
  • 학술 도서 및 고서 디지털화 프로젝트: 각주와 본문이 교차하는 복잡한 서적을 단일 프롬프트로 전산화하여 전문 검색 엔진에 즉시 색인합니다.

문서 추출 단계에서 소요되던 복잡한 후처리 스크립트와 청킹 로직을 획기적으로 덜어냄으로써 데이터 엔지니어는 데이터 정제에 들이는 공수를 대폭 절감하고 벡터 데이터베이스의 인덱싱 품질을 비약적으로 끌어올릴 수 있습니다.

6. 독립 검증의 부재와 하드웨어 리소스의 현실적 제약

기술적 잠재력에도 불구하고 실제 프로덕션 도입을 검토하는 팀이라면 반드시 짚고 넘어가야 할 냉정한 한계들이 존재합니다. 가장 먼저 유의해야 할 점은 발표된 벤치마크 수치가 바이두의 자체 연구 환경에서 도출된 결과라는 사실입니다.

⚠️ 프로덕션 도입 시 주의 사항
바이두가 공개한 MPDocBench(84.6점) 및 MarathonDocBench(77.1점) 지표는 아직 학계나 제3자 독립 기관의 교차 검증을 거치지 않은 자체 발표 수치입니다. 실제 업무에서 다루는 비정형 저화질 스캔본, 오염된 문서, 손글씨 메모 등 극단적인 노이즈 환경에서는 공시된 성능과 차이가 발생할 수 있으므로 자체 PoC(개념 증명) 테스트가 필수적입니다.

또한 3.3B 모델은 모바일이나 저사양 CPU 환경에서 가볍게 돌아가던 기존 텐서플로/파이토치 경량 OCR 엔진과는 태생이 다릅니다. 초장문 문서를 실시간으로 추론하기 위해서는 일정 수준 이상의 고용량 비디오 메모리(VRAM)를 탑재한 엔터프라이즈급 GPU 인프라가 필수적입니다. 수백 페이지 분량의 이미지를 메모리에 상주시키고 SR-SWA 연산을 수행하는 과정에서 발생하는 하드웨어 유지비용과 인프라 프로비저닝 문제를 사전에 면밀히 계산해야 합니다.

마지막으로 다국어 처리의 세부 정밀도 문제입니다. 중국계 빅테크에서 주도하여 개발된 모델 특성상 중국어와 영어 문헌에서는 탁월한 정합성을 발휘할 가능성이 높으나, 복잡한 조합형 구조를 지닌 한글이나 희귀 문자, 세로쓰기 문서 등에서의 인식률 편차는 오픈소스 커뮤니티의 추가적인 파인튜닝과 피드백을 통해 보강되어야 할 과제입니다.

7. 문서 디지털화 생태계에 던지는 시사점

바이두의 Unlimited OCR 2 공개는 문서 AI 생태계가 '페이지 단위 분할 인식'에서 '통권 단위 단일 추론'으로 구조적 전환을 이루고 있음을 명확하게 보여줍니다. 그동안 상용 클라우드 서비스들이 고가의 API 과금 체계 뒤에 숨겨두었던 장문 문서 처리 기술을 MIT 라이선스 기반의 오픈소스로 개방했다는 사실은 시장 전반에 상당한 파급력을 미칠 것입니다.

기업들은 더 이상 스캔 PDF의 페이지 수를 세어가며 비싼 API 비용을 지불하거나 페이지를 잘라내는 고육지책에 매달릴 필요가 없어졌습니다. 3.3B라는 합리적인 체급과 SR-SWA라는 메모리 제어 아키텍처의 결합은 문서 처리 파이프라인의 엔지니어링 복잡도를 단순화하는 데 크게 기여할 것입니다.

결국 승부처는 자체 검증과 커뮤니티의 확장성에 달려 있습니다. 허깅페이스와 모델스코프를 통해 공개된 체크포인트를 바탕으로 글로벌 개발자들이 실제 현장 문서들을 얼마나 성공적으로 파싱해내는지, 그리고 한국어를 비롯한 비라틴계 문자셋에 대한 파인튜닝 생태계가 얼마나 빠르게 안착하는지가 Unlimited OCR 2의 실질적 영향력을 결정짓는 척도가 될 것입니다.

자주 묻는 질문

Q. Unlimited OCR 2는 상업적 서비스에 무료로 적용할 수 있나요?
A. 네, 가능합니다. 바이두는 Unlimited OCR 2를 MIT 라이선스로 배포했기 때문에 라이선스 고지 의무만 준수한다면 기업용 상용 서비스 구축 및 코드 수정, 사내 폐쇄망 배포에 제약 없이 무료로 활용할 수 있습니다.

Q. 기존 경량 엔진인 PP-OCRv5와 비교했을 때 어떤 차이가 있나요?
A. PP-OCRv5는 단일 이미지나 영수증처럼 짧은 문서를 초고속으로 인식하는 데 특화된 초경량 엔진입니다. 반면 Unlimited OCR 2는 3.3B 규모의 비전 언어 모델로서 수백 페이지에 달하는 책 한 권 전체를 단일 요청으로 처리하며 전역 문맥과 레이아웃을 통째로 보존합니다.

Q. 발표된 벤치마크 점수를 완전히 신뢰해도 되나요?
A. 공개된 MPDocBench 84.6점과 MarathonDocBench 77.1점은 바이두의 자체 측정 결과이므로 독립된 서드파티 벤치마크 검증이 추가로 필요합니다. 실제 도입 전 사내 보유 문서와 스캔본 샘플을 활용해 자체적인 PoC를 반드시 수행해야 합니다.

원본

https://www.threads.com/@early_potat0/post/DfB0kuuI3eM

https://scanread.ai/ko/ocr-online

https://imagetranslate.ai/ko/ocr

함께 보면 좋은 글

댓글 0개