模型定位與發布
GLM-OCR 是輕量級專業光學字元辨識(OCR)與文件解析模型,參數量為 0.9B。官方發布紀錄列出的上線日期為 2026 年 2 月 3 日。模型採用 CogViT 視覺編碼器與 GLM-0.5B 解碼器的架構。(docs.bigmodel.cn)
能力與用途
- 可解析 PDF、JPG 和 PNG,辨識文字、手寫內容、印章、程式碼、公式及複雜表格,並支援中文、英文、日文、韓文等多種語言。
- 支援文字、Markdown 文件、圖片連結及預定格式的 JSON 輸出;複雜表格可輸出為 HTML 表格程式碼。
- 適用於掃描文件數位化、票據與表格資料擷取,以及檢索增強生成(RAG)的文件前處理。官方表示,模型發布時在 OmniDocBench V1.5 取得 94.62 分;這是當時的基準測試結果,不代表目前排名。(docs.bigmodel.cn)
限制與部署
- 官方中國大陸 API 文件所列限制:單張圖片不超過 10 MB、PDF 不超過 50 MB,最多 100 頁;中國大陸定價表列出的上下文為 32K。實際辨識效果與速度會受文件品質、網路及並行量影響,重要資料宜人工複核。(docs.bigmodel.cn)
- 可透過官方 API 使用,也可自行部署。官方儲存庫列出 vLLM、SGLang 等部署方式;模型採 MIT 授權,儲存庫程式碼採 Apache 2.0,完整流程所用版面分析元件另有授權條款。(github.com)
官方 API 定價
以下為各平台原幣標價,並非匯率換算;查詢日期均為 2026 年 11 月 16 日。
- **中國大陸 BigModel,人民幣(CNY):**輸入每百萬 token ¥0.2;輸出每百萬 token ¥0.2。定價表列出 32K 上下文及不支援快取命中;快取儲存欄標為限時免費。來源:官方中國大陸 API 定價。(docs.bigmodel.cn)
- **國際站 Z.ai,美元(USD):**輸入每百萬 token $0.03;輸出每百萬 token $0.03。官方表格未列出此模型的快取輸入或快取儲存價格。來源:官方國際站定價。(docs.z.ai)