GLM-OCR 版面解析

GLM-OCR 是由智谱推出的轻量级专业 OCR 模型产品，核心定位为“小尺寸、高精度的专业文档解析引擎”，旨在通过高效、精准的文本识别技术，实现对复杂文档内容的理解与提取。

• 性能SOTA：在发布时以 94.62 分登顶 OmniDocBench V1.5，在表格、公式等多项主流文档理解基准中取得最佳表现，性能接近 Gemini-3-Pro。
• 真实业务场景优化：针对代码文档、复杂表格、印章等复杂场景进行优化，即使在版式复杂、字体多样或图文混排情况下也能保持出色的识别准确度。
• 高效高性价比：参数规模仅为 0.9B，支持 VLLM 和 SGLang 部署，推理延迟低、算力开销少，成本约为传统 OCR 方案的 1/10。
• 多语言支持：支持包括中文、英文在内的多种语言，适用于全球用户。
• 批量处理与RAG支持：支持大批量文档识别与解析，为检索增强生成（RAG）提供坚实基础。

───────────────────────────────────────────────────────────────────

核心能力

🔍 精准结构化输出：

• 返回符合预定义格式的 JSON 数据，确保结构清晰，便于后续处理与集成。

📄 高精度文档解析：

• 能够识别手写体、印章、代码等特殊文字，并能从各类卡证、票据、表格中智能提取关键字段。

📊 复杂表格解析：

• 精准理解合并单元格、多层表头等复杂表格结构，直接输出 HTML 代码，无需二次制表，极大提升表格录入与转换效率。

🚀 快速部署体验：

• 支持 PDF、图片（JPG、PNG）输入，单图 ≤ 10 MB，PDF ≤ 50 MB，最大支持 100 页。
• 输出模态丰富，包括文本、图片链接及 md 文档，满足多样化需求。

🌐多应用场景

• 通用文本识别：应用于教育、科研、办公等领域，支持照片、截图、扫描件等多种形式的文档输入。
• 复杂表格解析：适用于金融、保险等行业，处理包含复杂结构的表格数据。
• 信息结构化提取：用于银行、政务、物流等行业系统，自动提取并标准化文档中的关键信息。

───────────────────────────────────────────────────────────────────

效果展示