GLM-OCR 与 PaddleOCR-VL 对比:该选哪个小型文档解析模型?

两个 0.9B 文档解析模型:GLM-OCR(MIT,带 SDK,支持表单提取)和 PaddleOCR-VL(Apache 2.0,支持图表和印章)。对比工具链、许可证和分数。

  • 更新于

结论. 两者都是 0.9B 的文档解析模型,能把页面转成带表格和公式的 Markdown,所以选择取决于许可证、工具链,以及你信任哪组分数。GLM-OCR(2026 年 2 月,MIT)带有用于文档解析的 SDK,也能把表单中的字段提取成固定的 JSON 结构。PaddleOCR-VL(2026 年 5 月,Apache 2.0)增加了图表和印章识别,适合以中文为主的文档,但它的默认路线需要 PaddlePaddle 框架。它们主打的 OmniDocBench 分数,GLM-OCR 在 V1.5 上是 94.62,PaddleOCR-VL 在 v1.6 上是 96.33,来自基准的不同版本,也都是开发者自己公布的,所以不能直接比较。请在你自己的一批文档上把两个都跑一遍。

规格

规格 GLM-OCRPaddleOCR-VL
开发方Z.ai (Zhipu AI)Baidu
发布时间2026年2月2日2026年5月28日
总参数量900M (GLM-OCR)960M (PaddleOCR-VL-1.6)
激活参数量全部全部
架构稠密稠密
上下文窗口––
输入文本, 图像文本, 图像
许可证 MIT (宽松) Apache 2.0 (宽松)
最小版本所需内存(4 位)0.621 GB (GLM-OCR)0.662 GB (PaddleOCR-VL-1.6)

性能数据来自开发方,未经独立验证。

选 GLM-OCR 的情况

  • 你需要把身份证件、发票和表单中的字段以固定 JSON 返回。
  • 你想微调小型 OCR 模型,因为它有 LLaMA-Factory 的指南。
  • 你想要一个能把扫描件和 PDF 解析成带表格和公式的 Markdown 的 SDK。
  • 你更喜欢模型采用 MIT 许可证。

选 PaddleOCR-VL 的情况

  • 你的文档以中文为主,包含古籍或生僻字,或带有图表和印章。
  • 你想要适合商业流水线的 Apache 2.0 许可证。
  • 你已经在用 PaddleOCR 或 PaddlePaddle,或者可以走它的 Docker 路线,因为默认路线需要 PaddlePaddle 3.2.1 或更高版本。
  • 你想无缝替换 PaddleOCR-VL-1.5。

GLM-OCR · PaddleOCR-VL