← 全部模型

GLM-OCR

发布时间 发布主体 Zhipu AIglm-ocr

模型定位

GLM-OCR 是面向文档理解和图文解析的轻量级专业 OCR 模型,参数量为 0.9B。官方发布记录称,其采用 CogViT 与 GLM-0.5B 的编码器—解码器设计。(docs.bigmodel.cn)

能力与用途

  • 可识别图片和 PDF 中的文本、手写体、公式、代码及印章,处理复杂版面与多语言内容。
  • 可解析复杂表格并输出 HTML,提取票据、证件和表单等文档的关键信息,支持结构化 JSON 输出。
  • 适用于扫描件数字化、表格录入、文档批量解析和检索增强生成(RAG)等场景;支持通过 vLLM、SGLang 部署。
  • 官方报告其在发布时的 OmniDocBench V1.5 得分为 94.62;该成绩是特定基准下的结果,不保证所有实际文档的识别效果。(docs.bigmodel.cn)

输入、输出与限制

官方 API 文档列出的输入为 PDF、JPG 和 PNG;单张图片不超过 10 MB,PDF 不超过 50 MB,最多支持 100 页。输出包括文本、图片链接和 Markdown 文档;表格可输出 HTML。支持中文、英文、法语、西班牙语、俄语、德语、日语、韩语等。

实际识别质量和处理性能会受文件质量、网络及并发数影响,重要内容应结合业务需求校验。上述文件限制适用于官方文档所述服务,不应直接视为所有自部署方式的统一限制。(docs.bigmodel.cn)

价格

以下为分别查询到的官方平台报价,计费单位均为每百万 token;不同地区平台的报价不是可直接换算的同一套餐。查询日期:2026-11-16。

  • 中国大陆智谱开放平台,人民币(CNY):输入 0.2 元/百万 token,输出 0.2 元/百万 token。官方模型介绍明确说明输入、输出同价;官方模型及价格说明。(docs.bigmodel.cn)
  • 国际 Z.ai 平台,美元(USD):输入 0.03 美元/百万 token,输出 0.03 美元/百万 token。定价表未列出该模型的缓存输入价格;官方国际定价表。(docs.z.ai)

发布日期与官方来源