Aitishiku.com
开源模型
智谱 GLM-OCR 1.0
GLM系列 · 智谱AI（Z.ai） · 2026-02发布
模型介绍
智谱开源的轻量级专业 OCR 模型，仅 0.9B 参数，OmniDocBench V1.5 以 94.62 分登顶，支持文档解析、公式/表格识别、信息抽取，成本约为传统 OCR 的 1/10。
模型基础信息
模型系列GLM系列
开发机构智谱AI（Z.ai）
发布时间2026-02
参数规模0.9B（CogViT 0.4B + GLM 0.5B）
上下文窗口OCR 文档解析
模型类型多模态（OCR 文档理解）
中文能力优秀
使用方式网页体验 / API调用 / 本地部署
免费额度与收费政策
MaaS 免费额度 开源权重
免费规则详情
智谱开放平台提供 API 免费额度；权重 MIT 开源可自部署。
收费标准简介
MaaS 按量计费（约传统 OCR 1/10）；开源权重免费。
模型能力介绍
✅ 核心优势
- OmniDocBench V1.5 登顶 94.62
- 9B 轻量，消费级 GPU 可跑
- MIT 完全开源
- SDK 一条命令接入
⚠️ 短板与局限
- 极限复杂版面仍有挑战
- 单图 ≤10MB / PDF ≤50MB
🎯 适用场景
- PDF/图片转 Markdown
- RAG 数据底座
- 复杂表格与印章识别
- 边缘端部署
模型使用教程
本章节整理 智谱 GLM-OCR 的在线体验、API调用、本地部署全套入门教程，快速上手使用该模型。
- 体验网址：通过智谱 MaaS API 体验（无需 GPU），或在 [Hugging Face](https://huggingface.co/zai-org/GLM-OCR) 查看模型。
- 能力简介：智谱开源的轻量级专业 OCR 模型，仅 0.9B 参数，OmniDocBench V1.5 以 94.62 分登顶，支持文档解析、公式/表格识别、信息抽取。
- 适用场景：PDF/图片文档转 Markdown、RAG 数据底座、复杂表格与印章识别、边缘端部署。
- 使用建议：单图 ≤ 10MB，PDF ≤ 50MB，最多 100 页；成本约为传统 OCR 的 1/10。
- 开发接入：SDK 一条命令安装（
pip install glmocr），或 vLLM / SGLang / Ollama 部署。
- 在 [智谱开放平台](https://open.bigmodel.cn) 注册并创建 API Key。
- 开源权重下载：[Hugging Face](https://huggingface.co/zai-org/GLM-OCR) / [ModelScope](https://modelscope.cn/models/ZhipuAI/GLM-OCR)（MIT 许可）。
- 使用 SDK 免部署体验：
pip install glmocr后配置 API Key 即可。
智谱 MaaS API
curl https://open.bigmodel.cn/api/paas/v4/chat/completions \
-H "Authorization: Bearer YOUR_API_KEY" \
-H "Content-Type: application/json" \
-d '{"model":"glm-ocr","messages":[{"role":"user","content":[{"type":"image_url","image_url":{"url":"https://example.com/invoice.png"}}]}]}'SDK 本地使用
pip install glmocr
glmocr parse ./invoice.png --api-key YOUR_KEY> 提示：返回 Markdown + 版面详情 JSON，可直接用于 RAG。
- 部署方式：MIT 开源，支持 vLLM / SGLang / Ollama / transformers。
- 硬件要求：0.9B 参数，消费级 GPU 或 CPU 均可运行。
- 推荐配置（vLLM，启用 MTP 投机解码加速）：
vllm serve zai-org/GLM-OCR --port 8080 \
--speculative-config '{"method": "mtp", "num_speculative_tokens": 3}' \
--served-model-name glm-ocr- 参考：GitHub（zai-org/GLM-OCR）提供微调（LLaMA-Factory）与 Agent Skill 教程。
💡 使用小技巧
返回 Markdown + 版面详情 JSON，可直接用于 RAG；vLLM 启用 MTP 投机解码加速。
❓ 常见问题 FAQ
Q1：需要 GPU 吗？
A1：可 MaaS 免 GPU 调用，也可 0.9B 本地部署。
Q2：成本如何？
A2：约为传统 OCR 的 1/10。
访问备注与注意事项
- GitHub 2026-02-02 开源，含 SDK 与微调（LLaMA-Factory）教程