鳳凰網科技訊 2月3日，智譜宣布正式發布并開源GLM-OCR。據介紹，該模型僅0.9B參數規模，支持vLLM、SGLang和Ollama部署，在公式識別、表格識別、信息抽取的多項主流基準中均取得SOTA表現。
據官方信息，GLM-OCR針對手寫體、復雜表格、代碼文檔、印章識別及多語言混排等場景進行了優化。在效率方面，其處理PDF文檔的吞吐量可達1.86頁/秒。通過API調用，其定價為0.2元/百萬Tokens。
該模型采用“編碼器-解碼器”架構，集成了自研的CogViT視覺編碼器，并采用“版面分析→并行識別”的兩階段技術流程。模型完整SDK與推理工具鏈已同步開源，適用于高并發及邊緣計算場景。
