이 튜토리얼은 바이두의 무제한 OCR(Unlimited-OCR) 모델을 활용하여 고해상도 이미지와 다중 페이지 PDF를 처리하는 완벽한 엔드투엔드 파이프라인 구축 방법을 다룹니다. GPU 환경 설정부터 고해상도 추론 모드와 빠른 Base 모드의 성능 비교를 통해 복잡한 레이아웃, 표, 여러 페이지에 걸친 콘텐츠를 효율적으로 처리하는 실무적인 접근법을 제공합니다.
애플의 생성형 AI 서비스인 '애플 인텔리전스'가 알리바바와 바이두의 협력을 통해 중국 시장에 공식 출시될 예정입니다. 중국 당국의 규제 승인을 받은 이번 조치는 애플이 핵심 시장인 중국에서 AI 경쟁력을 확보하고 폰 판매고를 이어가는 데 매우 중요한 이정표가 됩니다. 알리바바의 통합 AI 모델인 큐원(Qwen)과 바이두의 AI 기능이 iOS, macOS 등 애플의 주요 운영체제에 결합되어 한국을 포함한 글로벌 빅테크들의 중국 AI 생태계 파트너십 양상을 보여줍니다.
바이두 연구진이 인간의 망각 원리를 차용한 새로운 어텐션 메커니즘(R-SWA)을 적용하여, 한 번의 추론으로도 수십 페이지의 문서를 처리할 수 있는 '무제한 OCR(Unlimited OCR)' 모델을 개발했습니다. 기존 모델들의 가장 큰 병목이었던 KV 캐시 메모리 문제를 해결하여, 처리 속도와 메모리 사용량을 일정하게 유지하면서도 문서 인식 정확도 벤치마크에서 최고 수준의 성능을 기록했습니다.
이 튜토리얼에서는 바이두(Baidu)에서 개발한 파이썬 유틸리티 라이브러리인 'CUP'를 활용해 더 강력하고 안정적인 파이썬 개발 환경을 구축하는 방법을 다룹니다. 로깅, 스레드 풀, 캐싱, 스케줄링 등 핵심 모듈의 사용법을 자동화 및 성능 최적화 실무 사례와 함께 소개하여 개발 생산성을 높이는 데 중요한 가이드를 제공합니다.
바이두가 단 한 번의 순전파로 수십 페이지 문서를 파싱할 수 있는 30억 매개변수 MoE 구조의 오픈소스 OCR 모델을 공개했습니다. 핵심 기술인 참조 슬라이딩 윈도우 어텐션(R-SWA)이 KV 캐시를 일정하게 유지하여, 출력이 길어져도 메모리와 지연 시간이 증가하지 않는 획기적인 장점이 있습니다. 성능 면에서도 기존 DeepSeek OCR 대비 6.22포인트가 높은 93.23점을 기록하며 장문서 처리 분야의 큰 기술적 진전을 보여줍니다.
바이두가 대형 언어 모델의 파라미터를 축소한 '어니 5.1'을 공개했습니다. 이 모델은 전 모델인 어니 5.0을 기반으로 '한 번으로 끝내는(Once-For-All) 탄력적 학습 프레임워크'를 적용해 사전 학습 비용을 94%나 절감했습니다. 4단계 파인튜닝 파이프라인을 통해 특정 기능 향상이 다른 기능을 저하시키는 '시소 효과'를 극복했으며, 글로벌 벤치마크 상위권은 물론 중국 모델 중 1위를 기록하며 기술적 진보를 입증했습니다.