智譜公司近日在官方渠道宣布，其自主研發(fā)的輕量級專業(yè)OCR模型GLM-OCR已正式對外發(fā)布并開源。該模型以0.9B的參數(shù)量級實現(xiàn)了高效能表現(xiàn)，在文檔解析領(lǐng)域展現(xiàn)出顯著優(yōu)勢。

作為一款專為復(fù)雜文檔場景設(shè)計的工具，GLM-OCR支持通過vLLM、SGLang和Ollama等多種框架進(jìn)行部署。這種多平臺兼容性使其能夠靈活適配不同技術(shù)棧的開發(fā)需求，為開發(fā)者提供了更便捷的應(yīng)用選擇。

在權(quán)威評測基準(zhǔn)OmniDocBench V1.5中，該模型以94.6分的成績刷新了榜單紀(jì)錄，在文本識別、公式解析、表格結(jié)構(gòu)還原及信息抽取四個關(guān)鍵維度均超越同類專用模型。其綜合性能表現(xiàn)已接近國際領(lǐng)先水平的Gemini-3-Pro模型，而參數(shù)量僅為后者的約百分之一。

技術(shù)團(tuán)隊透露，GLM-OCR通過創(chuàng)新的架構(gòu)設(shè)計實現(xiàn)了算力與精度的平衡。其輕量化特性不僅降低了部署成本，更在保持專業(yè)級解析能力的同時，顯著提升了處理速度。這種特性使其在移動端設(shè)備、邊緣計算等資源受限場景中具有廣闊應(yīng)用前景。