--- title: "Baidu abre código de OCR 3.0 para documentos longos — startups brasileiras de legaltech e fintech podem cortar custos de digitalização" slug: baidu-abre-codigo-de-ocr-30-para-documentos-longos-startups-brasileiras-de type: news direction: China category: Tecnologia published: 2026-10-27 source_url: https://www.pingwest.com/w/318803 source: "PingWest" url: https://chinabrazilinsight.com/news/baidu-abre-codigo-de-ocr-30-para-documentos-longos-startups-brasileiras-de event_type: Movimento empresarial verification: unverified content_level: Curadoria editorial opportunity_flags: [market_entry_opportunity, partnership_opportunity] --- # Baidu abre código de OCR 3.0 para documentos longos — startups brasileiras de legaltech e fintech podem cortar custos de digitalização > O Baidu liberou em código aberto o Wenxin Unlimited OCR 2, modelo de reconhecimento óptico de caracteres que processa documentos ultra longos sem limite de páginas. ## Por que importa Legaltechs e fintechs brasileiras que pagam por página de OCR podem cortar custos com modelo aberto sem limite de páginas, mas dependem de adaptação ao português. O Baidu anunciou o lançamento em código aberto do Wenxin Unlimited OCR 2, a segunda geração de seu modelo de reconhecimento óptico de caracteres que, segundo a empresa, elimina o limite de páginas no processamento de documentos ultra longos — a chamada 'liberdade de páginas'. A tecnologia chega em um momento em que empresas brasileiras de legaltech, fintech e compliance ainda enfrentam custos elevados para digitalizar contratos, processos judiciais e documentos fiscais em grande volume. Ao tornar o modelo aberto, o Baidu reduz a dependência de APIs pagas de OCR de terceiros e abre espaço para que desenvolvedores brasileiros adaptem a ferramenta a documentos em português, incluindo layouts complexos como certidões, escrituras e notas fiscais eletrônicas. O Baidu, gigante chinesa de tecnologia e inteligência artificial, liberou em código aberto o Wenxin Unlimited OCR 2, modelo de reconhecimento óptico de caracteres que processa documentos ultra longos sem restrição de número de páginas. A empresa classifica o lançamento como a chegada da 'era do OCR 3.0', em que a extração de texto deixa de ser limitada por janelas de contexto e passa a operar sobre arquivos completos, como contratos de centenas de páginas, autos processuais e relatórios financeiros extensos. O anúncio foi feito pela PingWest e destaca que o modelo está disponível para a comunidade de desenvolvedores, sem menção a preços ou restrições de uso comercial. O impacto para o Brasil é indireto, mas relevante para setores que dependem de digitalização em massa. Legaltechs brasileiras que atendem escritórios de advocacia, departamentos jurídicos de grandes empresas e tribunais enfrentam custos recorrentes com APIs de OCR comerciais, muitas vezes cobradas por página processada. Fintechs e instituições financeiras que digitalizam contratos de crédito, cheques e documentos de onboarding de clientes também são afetadas. A chegada de um modelo aberto e sem limite de páginas reduz a barreira técnica para que essas empresas desenvolvam soluções próprias, adaptadas a layouts brasileiros — como a Nota Fiscal Eletrônica (NF-e), o Documento de Arrecadação de Receitas Federais (DARF) e petições judiciais no padrão do Conselho Nacional de Justiça (CNJ). O regulador brasileiro que pode se beneficiar é o Banco Central, em seus esforços de digitalização do sistema financeiro, e o CNJ, na automação de processos judiciais. Os dados mostram que o OCR tradicional, baseado em modelos de visão computacional com janelas fixas de contexto, perde precisão em documentos longos por limitações de memória e de arquitetura. O Wenxin Unlimited OCR 2, segundo o Baidu, resolve esse gargalo ao processar páginas de forma encadeada, mantendo a coerência do texto extraído ao longo de todo o documento. Na leitura do CBI, isso indica que o custo marginal de digitalização de documentos extensos deve cair nos próximos meses, especialmente para empresas que já têm equipes de desenvolvimento capazes de integrar modelos abertos. A comparação com eventos anteriores é pertinente: em 2023, a abertura do modelo Llama, da Meta, reduziu drasticamente o custo de experimentação em IA generativa no Brasil; algo semelhante pode ocorrer com OCR, embora o mercado de legaltech brasileiro seja mais fragmentado e menos capitalizado do que o de IA generativa. O que acompanhar: primeiro, a publicação de benchmarks do Wenxin Unlimited OCR 2 em documentos em português, que ainda não foram divulgados pela comunidade; segundo, o surgimento de forks brasileiros do modelo adaptados a layouts como NF-e e petições judiciais, o que deve ocorrer nas próximas semanas em repositórios como GitHub; terceiro, eventuais anúncios de legaltechs ou fintechs brasileiras sobre redução de custos de digitalização ou lançamento de produtos baseados no modelo aberto. Para empresas que operam na cadeia Brasil-China, o movimento sinaliza que a digitalização de documentos comerciais — como conhecimentos de embarque, certificados de origem e faturas — pode se tornar mais barata e acessível, beneficiando importadores e exportadores que lidam com grande volume de papelada. ## Leitura do CBI Os dados mostram que o Baidu liberou um modelo de OCR sem limite de páginas em código aberto, sem informar preços ou restrições. Na leitura do CBI, isso indica uma janela de oportunidade para desenvolvedores brasileiros adaptarem a ferramenta a documentos locais, mas o impacto dependerá da qualidade em português, ainda não testada publicamente. ## Resumo de inteligência **Oportunidades**: Oportunidades de entrada no mercado, Oportunidades de parceria --- Fonte: PingWest Publicado em: 2026-10-27 © China Brazil Insight — https://chinabrazilinsight.com/news/baidu-abre-codigo-de-ocr-30-para-documentos-longos-startups-brasileiras-de