2026-01-30
Z.ai / 智谱 GLM·国内
GLM-OCR
参数0.9B(0.4B CogViT 视觉编码器 + 0.5B GLM 语言解码器)模态图像·文本
智谱发布的轻量多模态 OCR 模型,建在 GLM-V 编码器-解码器架构上,用 MTP 损失与全任务强化学习提升识别精度,配套 PP-DocLayout-V3 版面分析 + 并行区域识别两阶段流水线。官方模型卡称其在 OmniDocBench V1.5 拿到 94.62 分、整体排名第一;本次另收录官方评测表里 12 项基准与真实场景集的图内读数。
文档解析0.9B 轻量MIT 开源高吞吐
glm-ocr-realworld-code 图表尚无可读数值