传统OCR面对复杂文档时力不从心，而通用大模型又成本高昂。智谱AI推出的GLM-OCR模型，仅以0.9B参数，在文档解析精度和速度上实现了突破，为处理各类“排版噩梦”提供了高性价比的新解法。
智能速览
GLM-OCR模型仅0.9B参数，体积约2.65GB，部署极为轻便。
在权威榜单OmniDocBench V1.5上得分94.6，性能超越谷歌Gemini-3-Pro。
实测PDF处理速度达每秒1.86页，吞吐量较同类竞品提升近50%。
能精准识别复杂表格、手写体及多栏混排，直接输出结构化格式。
API调用成本仅为0.2元/百万Tokens，极大降低了使用门槛。
精华内容
这款模型的独特之处，在于它如何以极致轻量的设计，实现了碾压性的性能与实用性。
极致轻量，拒绝臃肿
在千亿参数模型为主流的时代，GLM-OCR反其道而行，将模型压缩至0.9B（90亿）参数，体积仅约2.65GB。这意味着它无需昂贵的硬件集群，甚至在边缘设备上也能高效运行。
其性能并未因体积而妥协。智谱通过自研的CogViT视觉编码器与GLM-0.5B解码器架构，将算力集中用于视觉理解。数据显示，它在单副本单并发场景下，处理PDF的速度达到每秒1.86页，图片处理为每秒0.67张，吞吐量相比同类方案提升近50%。
专治复杂排版
传统OCR的痛点在于对“结构”的无能为力，面对复杂表格、公式、中英文混排及手写体时，只能输出混乱的字符流。GLM-OCR的核心优势在于理解文档结构。
它能直接将复杂表格还原为标准的HTML或Markdown代码，无论是合并单元格还是多层表头，都能处理，省去了二次开发的繁琐。针对手写体、印章遮挡等高难场景，通过强化学习训练，能从票据卡证中精准提取字段并输出为JSON格式，为金融、物流等行业的自动化流程提供了技术支持。
成本革命与开放部署
技术的价值最终要体现在应用成本上。GLM-OCR采取了激进的定价策略，API调用成本仅为0.2元/百万Tokens。这个价格意味着，大约1元钱即可处理2000张A4扫描图或200份10页的PDF，成本降至传统OCR方案的十分之一。
同时，它对部署环境极为友好，不仅支持vLLM、SGLang、Ollama等主流推理框架，还完成了对国产沐曦GPU的Day 0适配，为用户提供了云端调用与私有化部署的灵活选择。
GLM-OCR的出现证明了专注与效率在AI领域的价值，为文档解析提供了一个兼顾性能与成本的实用方案。其开源精神或将推动更多垂直领域的轻量化创新，让AI技术真正落地到具体场景中。
