liXin

Python, C++, Rust, C#, TVM, MXNet, PyTorch, NCNN

[liXin @yarneer]

@wey_gu 好期待

[liXin @yarneer]

@wey_gu @dongxi_nlp 马老师我第一次知道还有群乀(ˉεˉ乀)

[Berryxia.AI @berryxia]

这速度真特么离谱啊！卧槽！

最新开源的Unlimited-OCR能一次性处理几百页文档，而且速度还很稳。

而这个模型来自百度刚刚在hugging face 发布，其核心创新是R-SWA（Reference Sliding Window Attention）。

它让模型在解码时KV Cache保持恒定，不会随着文档页数增加而爆炸式增长。

结果就是：一张图或者一本多页PDF，直接扔进去就能一次性解析完，速度和稳定性都比传统逐页处理的方式好很多。

在OmniDocBench上拿到了93分，比DeepSeek-OCR高出6个百分点。

这已经不是简单的准确率提升，而是把长文档OCR的工作流从“分块+外部调度器拼接”变成了真正的端到端一镜到底。

以前做多页文档最头疼的就是上下文断裂和格式不一致，现在模型能一次性看到整篇文档的结构、布局和逻辑关系，输出质量自然上了一个台阶。

这其实是把OCR从“认字工具”往“长文档理解引擎”又往前推了一大步。

技术路线很清晰，也很实用。
果然百度现在OCR独树一帜，遥遥领先了。

模型地址见评论区～ 👇

[liXin @yarneer]

@shaogefenhao 推荐油泼辣子风味酸奶

[liXin @yarneer]

@xzx_1943 @lxfater 我感觉还行，平均80tps

[liXin @yarneer]

@yxinyu715 @lxfater zcode还在测试，目前还在用CC

[liXin @yarneer]

@xzx_1943 @lxfater pro/max不低于70tps，晚上能到120tps

[liXin @yarneer]

@LingYeying_ @lxfater 分时段，下午高峰期略慢，晚上到早上速度没问题

[liXin @yarneer]

@lxfater 介于人上人与夯之间

[MiniMax (official) @MiniMax_AI]

Introducing MiniMax M3: The First Open-Weights Model to Combine Three Frontier Capabilities

- Coding & Agentic Frontier: 59.0% SWE-Bench Pro, 66.0% Terminal Bench 2.1, 34.8% SWE-fficiency, 28.8% KernelBench Hard, 74.2% MCP Atlas
- MiniMax Sparse Attention scales context to 1M
- Natively Multimodal from Step Zero

API: https://t.co/fHRdSV7BwZ
Token Plan: https://t.co/BDCycxepZw
🚀New! MiniMax Code: https://t.co/GvB4YiB6Ul

Weights & Tech Report in ~10 Days

[liXin @yarneer]

@CircumjovialLLC @CH1H160 It appears to use the same technology and design

[liXin @yarneer]

@wey_gu 确是3090太香了，这两天也弄了两块儿回来正在调试，发现Agentic和coding都不错，还买了AMD R9700 AI Pro，看看ROCm的生态如何

[liXin @yarneer]

@wey_gu 俺也一样

[liXin @yarneer]

@wey_gu context 有点少

[liXin @yarneer]

@wey_gu 其实我最近打算试一下 gemma 4 turbo，单卡 5090 跑 fp4

[liXin @yarneer]

给员工的赔偿结束，终于自由了，可以干想干的事儿了

[liXin @yarneer]

@wey_gu 可惜了，今天刚好离京，等看直播

[liXin @yarneer]

@wey_gu 我也尝试一下，mem 之前用的是 glm-5