概要
百度が2026年10月27日に公開・オープンソース化した、長文書向けのマルチモーダル文書解析モデル。総パラメータ約3.3B、活性化パラメータ約0.5BのMoEモデルで、SR-SWAと無限視野デコーディングを用いて長文書の解析時の計算・メモリ負荷を抑える。(ai.baidu.com)
能力・用途
- 見出し、段落、表、数式、画像などの領域を認識し、位置、種類、階層、読順を伴う構造化文書を出力する。ページをまたぐ表や段落の結合にも対応する。百度の文書解析サービスはJSON・Markdown出力を提供する。(ai.baidu.com)
- 報告書、書籍、契約書、金融・教育・事務文書の解析や、検索用データの構造化に適する。(cloud.baidu.com)
- 百度の発表では、3,600ページを超える文書の一括解析を実証し、MPDocBenchで84.6、MarathonDocBenchで77.1を記録したとしている。これらは実証・評価結果であり、すべての提供サービスで同じページ数を受け付ける保証ではない。(ai.baidu.com)
制限
- 百度千帆のAPIでは、1リクエストの画像とPDFの合計は500ページ以内。画像は10 MB未満、PDFはBase64で50 MB以下、URL指定で100 MB未満などの制限がある。10ページを超える文書ではストリーミングが推奨される。(intl.cloud.baidu.com)
- 認識や構造の復元は完全無欠とは限らないため、重要な文書は結果の確認が必要。モデル自体の長文書処理能力と、個別APIの制限は区別する必要がある。
料金
中国国内の百度AI开放平台「文档解析（Unlimited-OCR 2）」は、認証済みの個人・企業向けに毎月2,000ページの無料枠があり、未使用分は翌月に繰り越されない。新規ユーザーは認証後に取得し、既存ユーザーは新方針への切り替えについて解析チームへの連絡が必要。無料枠超過分は、期間限定の従量後払いで0.02 CNY／ページ。入力・出力トークン別ではなく処理ページ単位の料金であり、公告には入力・出力それぞれのトークン単価は記載されていない。この料金を千帆APIにも適用できるとは確認できていない。公式国際サイトでは本モデルのUSD料金を確認できなかった。調査日：2026年11月15日。(ai.baidu.com)