GLM-OCR開源：小而強、精準搞定復雜文檔

始智AI wisemodel.cn社區是源自中國的中立開放的AI開源社區，始終堅持“中立、開放、共建、共創、合作”五項基本原則，歡迎加入共同成長。

GLM-OCR正式開源和發布，以“小尺寸、高精度”實現文檔解析能力新標桿。作為一款輕量的專業級OCR模型，其核心亮點如下：

• 性能SOTA：以94.6分登頂OmniDocBench V1.5，并在公式識別、表格識別、信息抽取的多項主流基準中均取得SOTA表現；
• 場景優化：專攻真實業務痛點，在手寫體、復雜表格、代碼文檔及印章等高難場景中表現穩健；
• 推理高效：僅0.9B參數規模，支持vLLM、SGLang和Ollama部署，顯著降低推理延遲與算力開銷，適合高并發與邊緣部署；
• 開源易用：同步開源完整SDK與推理工具鏈，環境依賴簡單，支持一行命令快速調用，輕松接入現有業務系統。

模型地址：

https://wisemodel.cn/models/ZhipuAI/GLM-OCR

1

性能SOTA、精準干活兒

得益于自研CogViT視覺編碼器與深度場景優化，GLM-OCR實現了“小尺寸，高精度”。

GLM-OCR參數量僅0.9B，但在權威文檔解析榜單OmniDocBench V1.5中以94.6分取得SOTA性能。在文本、公式、表格識別及信息抽取四大細分領域的表現優于多款OCR專項模型，性能接近Gemini-3-Pro。

除了公開榜單，我們還針對真實業務中的六大核心場景進行了內部測評。結果顯示，GLM-OCR在代碼文檔、真實場景表格、手寫體、多語言、印章識別、票據提取等維度均取得顯著優勢。

2

案例實測

在實際應用中，GLM-OCR能夠精準解析掃描件、PDF、表格及票據，有效解決手寫、印章、豎排及多語言混排難題，在復雜版式下依然保持極高的準確率和魯棒性。

通用文本識別：GLM-OCR支持照片、截圖、掃描件、文檔輸入，能夠識別手寫體、印章、代碼等特殊文字，可廣泛應用于教育、科研、辦公等場景。

案例：手寫公式識別

案例：印章識別

案例：代碼識別

復雜表格解析：針對合并單元格、多層表頭等復雜結構，模型能精準理解并直接輸出HTML代碼。無需二次制表，識別結果即可用于網頁展示或數據處理，大幅提升表格錄入與轉換效率。

案例：跨單元格表格

案例：分段表

信息結構化提取：GLM-OCR可從各類卡證、票據、表格中智能提取關鍵字段，并輸出標準的JSON格式，無縫對接銀行、保險及物流等行業系統。

輸入圖片：

prompt：

```

輸出：

```

批量處理與RAG支持：GLM-OCR支持大批量文檔的識別與解析，其高精度的識別能力和規整的輸出格式，可為檢索增強生成（RAG）提供堅實基礎。

速度方面，我們對比了在相同硬件環境與測試條件下（單副本，單并發），分別以圖像文件和PDF文件為輸入，不同OCR方法完成解析并導出Markdown文件的速度差異。結果顯示，GLM-OCR處理PDF文檔的吞吐量達1.86頁/秒，圖片達0.67張/秒，速度顯著優于同類模型。

3

技術細節

在訓練策略方面，GLM-OCR率先將多Tokens預測損失（MTP）引入OCR模型訓練過程，以增強損失信號密度并提升模型學習效率。并且，通過持續且穩定的全任務強化學習訓練，能夠顯著提升模型在復雜文檔場景下的整體識別精度與泛化能力。

上述性能提升還得益于GLM-OCR在多模態模型結構上的系統性設計。模型整體采用“編碼器-解碼器”架構，繼承自GLM-V系列，由視覺編碼器（ViT）、跨模態連接層和語言解碼器三大核心模塊組成。其中，視覺側集成了自研的CogViT視覺編碼器（400M參數），并在數十億級圖文對數據上引入CLIP策略進行大規模預訓練，使模型具備了強大的文字與版面語義理解能力。

為實現視覺與語言信息的高效融合，GLM-OCR設計了一套輕量而高效的連接層結構，融合SwiGLU機制并引入4倍下采樣策略，能夠精準篩選并保留關鍵視覺 Token，將高密度語義信息高效傳遞至后端的GLM-0.5B解碼器，從而支撐高精度的OCR識別輸出。

在整體系統層面，GLM-OCR采用“版面分析→并行識別”的兩階段技術范式。其中，版面分析模塊基于PP-DocLayout-V3實現，能夠在版式多樣、結構復雜的文檔場景下實現穩定、高質量且高效率的OCR解析效果。

GLM-OCR的部署暫時vllm和transformers的發布版本還不支持，源碼方式安裝才能部署，過兩天正式發布版本支持之后，歡迎大家回來wisemodel社區的鏡像模塊里一鍵部署使用。

----- END -----

wisemodel相關：

系列模型：

關于wisemodel更多

1

歡迎持續關注和支持

開源社區建設需要長期堅持和投入，更需要廣大用戶的積極參與、貢獻和維護，歡迎大家加入wisemodel開源社區的志愿者計劃和開源共創計劃。期待更多開發者將開源成果，包括模型、數據集和代碼等發布到 wisemodel.cn 社區，共建中立、開放的AI開源社區生態。歡迎掃碼添加wisemodel微信，申請加入wisemodel社群，持續關注wisemodel.cn開源社區動態。

2

歡迎加盟wisemodel開源社區

3

歡迎投稿優質內容

歡迎投稿分享人工智能領域相關的優秀研究成果，鼓勵高校實驗室、大企業研究團隊、個人等，在wisemodel平臺上分享各類優質內容，可以是AI領域最新論文解讀、最新開源成果介紹，也可以是關于AI技術實踐、應用和總結等。投稿可以發郵件到liudaoquan@wisemodel.cn，也可以掃碼添加wisemodel微信。

4

關于wisemodel開源社區

始智AI wisemodel.cn開源社區由清華校友總會AI大數據專委會副秘書長劉道全創立，旨在打造和建設中立開放的AI開源創新社區，將打造成“HuggingFace”之外最活躍的AI開源社區，匯聚主要AI開源模型、數據集和代碼等，歡迎高校科研院所、大型互聯網公司、創新創業企業、廣大個人開發者，以及政府部門、學會協會、聯盟、基金會等，還有投資機構、科技媒體等，共同參與建設AI開源創新生態。

向上滑動查看