GLM-OCR - 智谱开源的 0.9B 轻量级专业 OCR 模型

GLM-OCR是什么

GLM-OCR 是智谱开源的 0.9B 轻量级专业 OCR 模型，在 OmniDocBench V1.5 以 94.6 分刷新 SOTA。兼顾“小体积”与“全场景”，扫描、手写、印章、多语混排、复杂表格（直接输出 HTML）、票据卡证（标准 JSON）一网打尽；支持合并单元格、多层表头、代码截图与公式。API 定价 0.2 元 / 百万 Tokens，千张 A4 成本约 0.5 元，仅为传统方案十分之一；PDF 吞吐 1.86 页/秒，图片 0.67 张/秒，可 vLLM、Ollama 一键部署。自研 CogViT 编码器 + 轻量跨模态层 + GLM-0.5B 解码器，引入多 Fichas 预测损失与强化学习，兼顾精度与泛化。

GLM-OCR的功能特色

• 通用文字识别：印刷体、手写体、多语言混排、倾斜/模糊/低分辨率图片一键高置信度还原。
• 复杂表格解析：自动检测合并单元格、跨行跨列、多层表头，直接输出可渲染 HTML 或 Excel 结构。
• 票据 & 卡证抽取：身份证、银行卡、发票、行程单、合同印章等 30+ 模板，秒级返回标准 JSON 字段。
• 公式与代码 OCR：支持 LaTeX、MathML、Python/Java/C++ 代码截图，保持缩进与符号零误差。
• 版面分析与还原：段落、标题、目录、页眉页脚、图文混排智能切分，输出 Word/PDF 层级结构。
• 小图超清放大：内置 4× 超分，36 dpi 小票放大后仍可达 96% 字符准确率。
• Exportación multiformato：TXT、JSON、HTML、Markdown、Excel、PDF（可搜索双层）一键切换。
• 高并发部署：0.9B 参数，单卡 A10 可 600 QPS，提供 vLLM/SGLang/Ollama 镜像与 SDK。

GLM-OCR的核心优势

• Peso ligero extremo：0.9B 参数，单卡 A10 跑 600 QPS，边缘 CPU 也能 30+ QPS，部署门槛行业最低。
• 精度霸榜：OmniDocBench V1.5 94.6 分刷新 SOTA，手写、多语、表格、印章全场景 F1>93%，首超 Gemini-3-Pro。
• 成本腰斩：API 0.2 元 / 百万 Tokens，千张 A4 处理≈0.5 元，仅为传统云 OCR 1/10，可完全免费私有化。
• innovación estructural：自研 CogViT 编码器 + 轻量跨模态层 + GLM-0.5B 解码器，引入 MTP 多令牌预测，推理提速 2.3 倍。
• 一模型多任务：无需额外模块，端到端同时搞定文字、表格、票据、公式、印章，直接输出 HTML/JSON/LaTeX/Excel。
• 全链开源：同步开放 vLLM/SGLang/Ollama 镜像、Python/Java/C++ SDK、标注与微调工具，零成本二次开发。
• 强泛化：强化学习 + 亿级合成数据，古籍、小语种、磨损发票等低资源场景字符准确率再涨 15%。

GLM-OCR官网是什么

• Repositorio GitHub：https://github.com/zai-org/GLM-OCR
• Biblioteca de modelos HuggingFace：https://huggingface.co/zai-org/GLM-OCR
• Experiencia en línea：https://ocr.z.ai/

GLM-OCR的适用人群

• educador：教师、教研机构批量扫描手写试卷、公式讲义，一键输出可编辑 Word/LaTeX，批改与归档效率翻倍。
• 金融与财会人员：银行、券商、事务所每日海量发票、回单、报表，自动解析为结构化 JSON，直接对接 ERP/用友/金蝶。
• 政府与档案馆：公文、合同、印章、历史档案高清影像，94.6% 精度确保字号、红头、签章零漏识，助力数字化审阅。
• 物流与零售企业：快递单、小票、出货清单多为低清热敏纸，GLM-OCR 36 dpi 超分+0.5 元/千张成本，秒级录入 TMS/ERP。
• 开发者与初创团队：0.9B 轻量模型、Apache-2.0 开源、Ollama 一键拉取，个人笔记本即可跑通 MVP，省去昂贵云 API 费用。
• 医疗与律所：病历、处方、检验单、诉讼材料版式复杂，端到端版面还原+敏感数据本地部署，满足合规与隐私要求。