7 月 27 日晚，月之暗面开源 Kimi K3 完整模型权重，几十分钟内登顶 HuggingFace 总趋势榜第一；紧随其后的百度 Unlimited OCR 已多日占据榜首，中国模型包揽前二。更罕见的是，Unlimited OCR 发布一个月后凭开发者口碑重回全球第一——这种"热度回落再上榜"在开源社区极为少见。
注：HuggingFace 趋势榜按近期增长速度动态排名，非累计下载量榜单，亦非模型性能评测。Kimi K3 发布几十分钟即登顶，刷新平台增长纪录；Unlimited OCR 此前多日占据榜首，发布一个月后再次重回第一。两者构成中国开源"双子星"格局。
Unlimited OCR 的爆火并非单一榜单的瞬时热度。首发即拿下四个榜单第一，发布一个月后又凭开发者口碑重回 HuggingFace 全球模型总趋势榜第一——后者在开源社区极为罕见。
四榜：GitHub Daily Trending 总榜、GitHub Python 榜、HuggingFace 全球模型总趋势榜、HuggingFace 多模态模型趋势榜。重回榜首节点：图灵奖得主、AI 科学家杨立昆转发后热度再次攀升。
对比来看，Kimi K3 的爆发力同样惊人——几十分钟内登顶 HuggingFace 趋势榜，刷新平台增长纪录。两个模型一前一后，构成中国开源模型在海外的"双子星"格局。
Unlimited OCR 受到持续关注，核心在于解决了一个长期工程痛点：长文档 OCR 的"逐页解析 + 拼接"困境。传统方案随着输出增长，解码阶段 KV Cache 持续膨胀，推理速度下降、显存成本攀升。
逐页解析 + 结果拼接；KV Cache 随输出长度持续膨胀，显存与计算成本线性增长。
一次前向推理连续完成数十页解析；KV Cache 恒定规模，成本不随输出长度增长。
百度提出的 Reference Sliding Window Attention（R-SWA）借鉴人类阅读和抄录长文档的工作方式：
效果是：模型从第一页到最后一页连贯输出，KV Cache 控制在恒定规模，计算成本和显存占用不随输出长度持续增长。业内人士指出，这一突破不仅让 OCR 更快更准，更为大模型长程推理和记忆管理提供了新思路——相较于依赖不断扩展上下文窗口，它探索了以更高效注意力机制处理长期任务的新路径。
在开源社区，项目发布初期登上趋势榜并不罕见。但热度回落后，仅凭开发者持续使用与口碑传播再次上榜的案例并不多见。
发布、API 开放等节点冲上趋势榜——DeepSeek-R1 曾在模型发布、API 开放等多个节点多次进入趋势榜，属于典型的节点驱动型热度。
Unlimited OCR 仅凭全球开发者持续下载、部署、使用和推荐，时隔一个月再次登顶——热度从发布期延伸至采用期。
这意味着 Unlimited OCR 的影响力已从发布热度延伸至持续的开发者采用和社区传播，也折射出中国 AI 开源正从"发布即关注"迈向"持续被采用"，国际影响力进一步沉淀为全球开发者生态影响力。
来源提示：本篇报道主体由百度方面提供，属企业通稿性质。Unlimited OCR 系百度开源产品，Kimi K3 系月之暗面产品；通稿侧重百度产品线的技术与社区表现，Kimi K3 的技术细节、评测数据未展开，未见第三方复测。HuggingFace 趋势榜为动态排名，反映近期增长速度而非综合能力排名，读者宜将其视为社区热度信号而非性能结论。百度开源布局由来已久（PaddlePaddle、Apollo 等），此为其开源体系的延续而非孤立事件。
Unlimited OCR 已在 GitHub 与 HuggingFace 开源，可直接获取模型权重与代码。