GLM-OCR vs PaddleOCR-VL: qual analisador de documentos pequeno você deve usar?
Dois analisadores de documentos de 0.9B: GLM-OCR (MIT, SDK, extração de formulários) e PaddleOCR-VL (Apache 2.0, gráficos e selos). Compare ferramentas, licença e pontuações.
Veredito. Ambos são analisadores de documentos de 0.9B que transformam páginas em Markdown com tabelas e fórmulas, então a escolha depende da licença, das ferramentas e de em quais pontuações você confia. GLM-OCR (fevereiro de 2026, MIT) vem com um SDK para análise de documentos e também extrai campos de formulários para uma estrutura JSON fixa. PaddleOCR-VL (maio de 2026, Apache 2.0) soma gráficos e selos e serve para documentos com muito chinês, mas sua rota padrão precisa do framework PaddlePaddle. As pontuações de vitrine no OmniDocBench, 94,62 no V1.5 para o GLM-OCR e 96,33 no v1.6 para o PaddleOCR-VL, vêm de versões diferentes do benchmark e dos próprios desenvolvedores, então não podem ser comparadas. Rode os dois numa amostra dos seus próprios documentos.
Especificações
| Especificações | GLM-OCR | PaddleOCR-VL |
|---|---|---|
| Desenvolvedor | Z.ai (Zhipu AI) | Baidu |
| Lançamento | 2 de fevereiro de 2026 | 28 de maio de 2026 |
| Total de parâmetros | 900M (GLM-OCR) | 960M (PaddleOCR-VL-1.6) |
| Parâmetros ativos | Todos | Todos |
| Arquitetura | Densa | Densa |
| Janela de contexto | – | – |
| Entrada | Texto, Imagem | Texto, Imagem |
| Licença | MIT (Permissiva) | Apache 2.0 (Permissiva) |
| Memória para a menor variante (4 bits) | 0.621 GB (GLM-OCR) | 0.662 GB (PaddleOCR-VL-1.6) |
As afirmações de desempenho vêm do desenvolvedor e não foram verificadas de forma independente.
Escolha GLM-OCR se
- Você precisa de campos de documentos de identidade, faturas e formulários retornados como JSON fixo.
- Você quer fazer fine-tuning de um modelo OCR pequeno, já que há um guia de LLaMA-Factory.
- Você quer um SDK que converta digitalizações e PDFs em Markdown com tabelas e fórmulas.
- Você prefere a licença MIT para o modelo.
Escolha PaddleOCR-VL se
- Seus documentos são ricos em chinês, incluem textos antigos ou caracteres raros, ou contêm gráficos e selos.
- Você quer a licença Apache 2.0 para um pipeline comercial.
- Você já usa PaddleOCR ou PaddlePaddle, ou consegue seguir a rota Docker, porque a rota padrão precisa do PaddlePaddle 3.2.1 ou mais recente.
- Você quer um substituto direto do PaddleOCR-VL-1.5.