GLM-OCR

Z.ai 的 0.9B、MIT 许可证文档 OCR 模型:自报 OmniDocBench V1.5 得 94.62,带 SDK,支持表格、公式和表单抽取。

一句话概括. GLM-OCR 是一个很小的 AI 模型,专门读文档:把扫描件和 PDF 转成文字、表格和公式,还能从表单里取出身份证号之类的命名字段。它只有 9 亿参数,普通硬件就能运行,MIT 许可证允许商用。

概述

Z.ai 于 2026 年 2 月 2 日发布 GLM-OCR。Z.ai 称它是基于 GLM-V 编码器-解码器设计的 9 亿参数模型,包含 CogViT 视觉编码器、减少视觉 token 数量的轻量连接器,以及 GLM-0.5B 语言解码器。训练中使用了多 token 预测损失和跨任务的强化学习。BF16 检查点约 2.65 GB,模型权重采用 MIT 许可证。

官方流程分两个阶段:PaddlePaddle 项目的版面模型 PP-DocLayoutV3(Apache 2.0)先找出页面上的各个区域,GLM-OCR 再并行读取这些区域。模型只接受一小组提示词:用于文档解析的 Text Recognition、Formula Recognition 和 Table Recognition,以及信息抽取,即你提供 JSON 结构,输出必须遵循它。Z.ai 列出的语言有中文、英文、法文、西班牙文、俄文、德文、日文和韩文。2026 年 2 月 12 日推出了 LLaMA-Factory 微调指南,3 月 12 日又发布了技术报告和面向智能体的 SDK Skill 模式;SDK 也可以把请求转发到智谱的托管 API,这样不需要本地显卡。

Z.ai 报告在 OmniDocBench V1.5 上得 94.62 分,称总体排名第一;在单副本、单并发测试中,PDF 速度为每秒 1.86 页,图像为每秒 0.67 张。这些是它自己的测量;PaddleOCR-VL-1.6 后来报告在更新版本的基准上得 96.33,所以这些分数不能直接比较。自行部署时,仓库记录了带多 token 预测推测解码的 vLLM(0.19 或更高)和 SGLang,以及 Ollama 和 MLX。

适合做什么

  • 在小显卡或本地服务器上把扫描件和 PDF 转成带表格和公式的 Markdown
  • 把身份证、发票和表单里的字段抽取成固定的 JSON 结构
  • 速度和成本都要紧的大批量文档服务
  • 微调小型 OCR 模型,有 LLaMA-Factory 指南可用

需要注意

  • 它不是通用视觉语言模型,只支持文档里列出的解析和抽取提示词
  • SDK 只覆盖文档解析,信息抽取需要直接调用模型
  • 完整流程适用两个许可证:模型为 MIT,PP-DocLayoutV3 为 Apache 2.0
  • 最突出的 OmniDocBench 分数是 Z.ai 自己的,使用的是 1.5 版基准

性能数据来自开发方,未经独立验证。

需要多少内存?

以下为 GLM-OCR 版本的估算。混合专家模型虽然每个 token 只用到部分专家,但所有专家都必须装进内存:总参数量决定所需内存,激活参数量决定速度。

版本 参数量 BF16 FP8 / INT8 4-bit (Q4) 可运行于
GLM-OCR BF16 900M 2.07 GB 1.03 GB 0.621 GB 笔记本或手机

估算方法:权重大小加约 15% 的运行开销。实际占用会随上下文长度增长,也取决于所用的软件。

显存计算器

许可证,用大白话说

最简短、最宽松的许可证。只要保留版权和许可声明,你几乎可以对模型做任何事。

进一步了解 MIT

延伸阅读

常见问题

GLM-OCR 是什么?
GLM-OCR 是一个很小的 AI 模型,专门读文档:把扫描件和 PDF 转成文字、表格和公式,还能从表单里取出身份证号之类的命名字段。它只有 9 亿参数,普通硬件就能运行,MIT 许可证允许商用。
GLM-OCR 可以商用吗?
可以。GLM-OCR 采用 MIT 发布,这是一种宽松许可证。只要遵守常规条件(例如保留许可证声明),就可以商用。
GLM-OCR 是开源的吗?
GLM-OCR 采用 MIT 发布,该许可证经开源促进会(OSI)认可。训练数据和训练代码不一定公开,因此更准确的说法是“采用开源许可证的开放权重模型”。
我能在自己的电脑上运行 GLM-OCR 吗?
可以。最小版本 GLM-OCR 在 4 位精度下约需 0.621 GB 内存,现代笔记本或中端显卡即可胜任。
GLM-OCR 是什么时候发布的?
GLM-OCR 由 Z.ai (Zhipu AI) 于 2026年2月2日 发布。

官方链接

来源

规格数据来自以下一手资料。文中提到的基准测试结果由开发方自报。

发布时间等信息最近核实于 2026年11月11日。

相关模型

模型 发布时间 参数量 上下文 许可证 最小版本所需内存
PaddleOCR-VL Baidu 960M – Apache 2.0 (宽松) 0.662 GB 笔记本或手机
DeepSeek-OCR 2 DeepSeek 3.39B – Apache 2.0 (宽松) 2.34 GB 笔记本或手机
Unlimited-OCR Baidu 3.34B – MIT (宽松) 2.3 GB 笔记本或手机
GLM-5.3 Z.ai (Zhipu AI) 753B 激活 40B 1M GLM-5.3 License (附条件) 520 GB GPU 服务器