OCR 비교 분석: Baidu의 Unlimited-OCR과 PaddleOCR, GLM, DeepSeek 모델 비교

PDF를 Markdown으로 만들고 싶다. 수식이나 표도 깨지지 않게 가져오고 싶다. 가능하다면 내 PC에서 구동하고 싶다.

이러한 용도로 OCR을 찾아보면, PaddleOCR, GLM-OCR, DeepSeek-OCR, MinerU 등 후보가 연달아 나옵니다. 여기에 Baidu의 Unlimited-OCR까지 추가되었습니다.

이름만 보면 '무제한으로 읽는다', '새로우니 가장 고정확도'라고 기대하기 쉽지만, 실제로 공식 자료를 읽어보면 주목해야 할 점은 좀 더 구체적이었습니다.

본 기사에서는 공개 모델의 사양, 제공 형태, 라이선스, 동일 평가 세트의 공개 벤치마크를 비교합니다. 제 PC에서 모든 모델을 구동한 실측기는 아닙니다. 확인일은 2026년 10월 13일입니다.

Unlimited-OCR은 Baidu가 공개한 문서 분석 모델입니다. 공식 레포지토리에서는 2026년 6월 22일에 발표했다고 기재되어 있으며, 코드와 모델 가중치(weights)가 공개되었습니다. 논문 Unlimited OCR Works의 arXiv 초도 제출 역시 6월 22일입니다. [공식 GitHub, 논문 공개 이력]

한편, Baidu Cloud에는 이 모델을 사용한 문서 분석 API가 있습니다. 10월 12일 업데이트된 공식 자료에서는 기간 한정 무료 제공과 개인 실명 인증 시 200페이지, 기업 실명 인증 시 1,000페이지의 무료 테스트 트랙이 안내되어 있습니다. API는 비동기식이며, PDF는 최대 500페이지까지로 되어 있습니다. [Baidu Cloud 공식 API 자료]

여기서 혼동하기 쉬운 세 가지가 있습니다.

'Unlimited'라는 이름 때문에 영구 무료 또는 이용 횟수 무제한이라고 판단하는 것은 성급합니다. 클라우드의 무료 트랙과 공개 모델을 직접 구동하는 계산 비용은 별도로 고려해야 합니다.

Unlimited-OCR은 DeepSeek-OCR을 출발점으로 삼아, 디코더의 Attention을 **Reference Sliding Window Attention (R-SWA)**으로 대체한 모델입니다. 논문 표기상으로는 총 파라미터 3B, 활성화 파라미터 0.5B입니다. 모든 파라미터를 매번 계산하는 구성과는 다릅니다. [Unlimited OCR 논문]

일반적인 Attention 방식은 생성이 길어질수록 과거 생성 내용을 유지하는 KV 캐시(cache)도 증가합니다. R-SWA는 입력 측의 참조를 남기면서, 생성 측에서는 직전 일정 범위를 유지합니다. 입력을 고정했을 때, 출력의 신장에 따른 KV 캐시 증대를 억제하는 것이 핵심입니다.

다만, '문서를 몇 페이지 늘려도 GPU 메모리가 변하지 않는다'는 의미는 아닙니다. 입력 이미지, 모델 가중치, 전처리 등에도 메모리가 필요합니다.

논문에는 40페이지 이상의 내부 평가가 있지만, 표준 최대 길이는 32K입니다. 공식의 다중 페이지 추론 예시도 최대 길이로 32,768을 지정하고 있습니다. 문자 밀도나 이미지 조건에 따라 수용되는 페이지 수는 달라지므로, 이름 그대로 무한 처리가 될 것이라고 받아들이기보다는 신중해야 할 것 같습니다. [논문 장문 평가, 공식 추론 예시]

문서 OCR을 사용할 때 본문의 글자가 정확하기만 해서는 부족할 때가 있습니다. 2단 구성의 읽기 순서, 수식의 LaTeX 변환, 표의 병합 셀 등이 깨지면 나중에 수정하는 노력이 늘어납니다.

이번 중심은 문서 이미지에서 본문·수식·표 등을 구조화하는 모델입니다. 이름이 비슷한 PaddleOCR에서도 PP-OCR 시리즈와 PaddleOCR-VL 시리즈는 역할을 구분합니다.

PaddleOCR 공식에서는 PP-OCRv6를 문자 검출/인식용 경량 모델로, PaddleOCR-VL-1.6을 문서 분석용 VLM(Vision Language Model)으로 소개하고 있습니다. PP-OCRv6는 2026년 6월 11일, VL-1.6은 5월 28일에 공개되었습니다. 용도가 다르기 때문에, 아래의 문서 분석 점수에 PP-OCRv6를 무리하게 나열하지 않습니다. [PaddleOCR 공식 업데이트 정보]

여기서는 중심이 되는 모델과 그 주변 도구들을 정리합니다. 파라미터 수만으로는 필요한 VRAM이나 처리 시간을 결정할 수 없습니다.

근거: Unlimited 모델 카드, Unlimited 공식 GitHub, PaddleOCR-VL-1.6 모델 카드, GLM-OCR 공식 GitHub, DeepSeek-OCR 공식 GitHub, DeepSeek-OCR 2 공식 GitHub, DeepSeek-OCR 2 모델 카드, MinerU2.5-Pro 모델 카드

DeepSeek-OCR의 첫 공개는 2025년 10월 20일이며, OCR 2의 발표는 2026년 1월 27일로 공식 README에 기재되어 있습니다. MinerU 상기 모델은 5월 21일에 공개되었습니다. GLM-OCR의 기술 보고서는 3월 11일에 arXiv에 처음 게시되었으나, 논문 제출일과 모델 최초 공개일은 구분해야 합니다. DeepSeek의 발표 이력, MinerU 모델 업데이트 정보, GLM 기술 보고서 이력

MinerU라는 이름은 모델 자체뿐만 아니라 PDF나 Office 문서를 분석하는 전체 도구에도 사용됩니다. 이번 정확도 표에 게재된 것은 MinerU2.5-Pro라는 평가 대상이며, 최신 전체 도구의 모든 처리 모드를 평가한 수치가 아닙니다.

확인 시점의 도구 본체는 MinerU Open Source License로, Apache 2.0을 기반으로 추가 조건이 있습니다. 한편, 상기 Pro 모델 카드의 표기는 Apache-2.0입니다. 통합할 때는 사용되는 코드와 모델 버전에 따라 확인해야 합니다. MinerU 공식, 도구 본체의 라이선스

아래는 평가원 공식 README에 있는 OmniDocBench v1.6_full의 공개 값에서 주요 8개 모델을 추출한 것입니다. 수식과 표의 수치는 소수점 둘째 자리로 반올림했습니다. 각사가 별도의 조건으로 발표한 숫자를 모아놓은 순위가 아닙니다. OmniDocBench 공식 평가표

이 표에서 종합은 TeleOCR, 본문은 OvisOCR2, 수식은 PaddleOCR-VL-1.6이 가장 좋은 값입니다. Unlimited-OCR은 GLM-OCR보다 본문 편집 거리가 작지만, 수식 및 표에서는 낮습니다. 용도를 정한 후 열을 살펴보면, 종합 점수만으로는 알 수 없었던 차이를 파악할 수 있습니다.

또한, MinerU2.5-Pro와 MinerU-2.5는 별개의 평가 대상입니다. 평가원 모델 목록에서는 각각 MinerU2.5-Pro-2605-1.2B

MinerU2.5-2509-1.2B를 참조하고 있습니다. 같은 이름의 시리즈라도 버전을 생략하면 비교가 모호해집니다. 평가 대상 목록

TeleOCR과 OvisOCR2에도 공개 모델이 있습니다. 도입할 때는 이 표에서 성능을 추측하는 것뿐만 아니라, 각각의 추론 절차를 확인해야 합니다. TeleOCR 모델 카드, OvisOCR2 모델 카드

Unlimited-OCR 논문의 Table 1은 비교 대상을 end-to-end VLM 모델로 한정하고 있습니다. v1.5에서는 Unlimited-OCR이 93.23, DeepSeek-OCR가 87.01, DeepSeek-OCR 2가 89.17이라는 결과입니다. v1.6에서는 Unlimited-OCR의 자가 보고 값은 93.92입니다. Unlimited OCR 논문・Table 1

한편, 앞 절의 평가원 공개표에서는 Unlimited-OCR이 94.00입니다. 논문의 자가 보고 값과 평가원에 게재된 값은 출처를 나누어 다룹니다. 차이의 원인을 이 숫자만으로 추측할 수는 없습니다.

여기서 'Unlimited-OCR이 모든 OCR에서 1위'라고 결론짓는 것은 비교 범위를 너무 넓힌 것입니다. 레이아웃 분석과 영역 인식을 결합하는 GLM-OCR 같은 구성을 포함하여, 실제로 사용하는 시스템으로서 비교해야 합니다. GLM의 기술 보고서는 그 2단계 구성을 설명하고 있습니다. GLM-OCR 기술 보고서

게다가, v1.5와 v1.6의 값도 직접 섞지 않습니다. 다른 평가 세트나 처리 조건의 숫자를 한 줄에 나열하면, '신 모델이 오래된 모델을 얼마나 뛰어넘었는지'를 오독하기 쉽습니다.

로컬 추론의 장점은 문서 취급과 실행 환경을 스스로 관리할 수 있다는 것입니다. API는 GPU나 추론 서버를 직접 준비해야 하는 수고를 덜어줍니다. 하지만 이 두 가지는 같은 모델명이라도 전처리나 서비스상의 제한이 일치한다고 할 수는 없습니다.

Unlimited-OCR의 Baidu Cloud API는 태스크를 전송하여 ID를 받고, 결과를 가져오는 메커니즘입니다. 로컬의 infer_multi

호출과 같은 사용성과 제한이라고 생각하지 말고, 서비스의 입력 조건을 확인합니다. Baidu Cloud API 사양

GLM-OCR은 공식 SDK에서 클라우드 API와 셀프 호스트(self-host) 양쪽을 안내하고 있습니다. API 자료에서는 PDF・이미지를 다루며, 일본어도 지원 언어에 포함되어 있습니다. 다만, 대응 언어에 올라 있다는 것이 일본어 자료에서 다른 모델보다 고정확도라는 증거는 아닙니다. GLM-OCR 공식 SDK, 공식 API 개요

직접 가진 GPU로 작동할지 판단할 때는 다음 조건을 갖추어 확인하고 싶습니다.

• 사용하는 모델의 정확한 버전과 양자화(quantization) 여부
• 입력 이미지의 해상도와 페이지 수
• 최대 생성 길이, 배치 크기, 동시 처리 수
• 전처리・레이아웃 분석・결과 정형을 포함하는 처리 시간
• GPU 메모리의 피크와, 결과가 중간에 잘린 비율

공개 자료에 있는 tokens/s와, 자신이 궁금해하는 'PDF를 투입하여 Markdown이 완성될 때까지의 초'는 다른 지표입니다. 이번에는 같은 GPU로 실측하지 않았기 때문에, PC에서의 속도 순위나 최소 VRAM을 단정할 수 없습니다.

OmniDocBench는 폭넓은 문서 분석 비교에 사용되지만, 이 표만으로는 일본어 세로쓰기・루비・손글씨 답안의 순위까지 결정할 수 없습니다. 공식적인 속성 설명도 영어・간체 중국어・그 혼재를 중심으로 기술되어 있습니다. OmniDocBench 평가 속성

예를 들어, 공부용 PDF를 가져올 거라면, 저는 다음과 같은 작은 평가 세트를 만들 것입니다. 이는 향후 검증 안이며, 이미 실시된 결과는 아닙니다.

여기까지 공개된 사양과 평가를 바탕으로 한 저의 선택 방식입니다. 직접 가진 자료에서의 성능을 보장하는 것은 아닙니다.

| 목적 | 처음에 비교하고 싶은 후보 | 이유 |
|---|---|
| 수식 포함 교재를 구조화하고 싶 | PaddleOCR-VL-1.6, GLM-OCR | 수식을 포함한 문서 분석의 공개 평가와, 공식적인 도입 방법을 확인하기 쉬움 |
| ... |
Unlimited-OCR을 조사해 재미있었던 점은, OCR의 진화가 '1페이지의 정밀도를 높이는 것'뿐만 아니라, '길게 읽어 나갈 때 계산을 어떻게 줄여나갈지'로도 향하고 있다는 것입니다.

어떤 OCR이 최적인지는 본문, 수식, 표 중 무엇을 중요하게 다룰지, 로컬에서 구동할 것인지, 얼마나 긴 문서를 처리할지에 따라 달라집니다. 공개 벤치마크로 후보를 좁힌 후, 자신의 자료로 직접 검증해 볼 때까지의 과정을 한 세트로 선택하고 싶습니다.