夜雨聆风
史上最强OCR模型GLM-OCR,文档解析新卷王!
最近 OCR 模型神仙打架，更新频次非常高。先是 DeepSeek 推出了 DeepSeek-OCR 2，紧接着百度飞桨推出 PaddleOCR-VL-1.5，现在智谱的 GLM-OCR 能力也跟上了。
这圈子真的卷，每个新模型出来都是刷新 SOTA。几天前还在王座，转眼就得退居二线。说实话，现在大模型竞争这么激烈，没有深厚算力储备和数据资源的公司，真的不适合再去卷这种底层模型了。
今天咱重点聊聊 GLM-OCR。相比市面上其他模型，它到底强在哪？
第一，文档解析能力确实是目前最牛的。在专业的文档解析数据集 OmniDocBench V1.5 上，以94.62分登顶，打败了 PaddleOCR-VL-1.5等竞品。这意味着，pdf文档解析效果更上一层楼。
第二，处理速度非常快。GLM-OCR 在处理 PDF 文档时的吞吐量达到 1.86页/秒，图像处理速度也能达到 0.67幅/秒 左右，这个效率比很多同类竞争对手都要强。
第三，模块化程度高。GLM-OCR 的各个模块是可以组合的。你可以基于它已有的模块（如版面分析）进行轻松定制，创建自己的流水线。
来，我给大家展示一下对于表格的识别效果。
识别前：
识别后：
可以看到，即使是这种带有复杂合并单元格的表格，它的识别效果依然非常不错。
最后说说参数和部署。
这个模型非常轻量，参数量只有0.9B，而且是完全开源的。
-
上下文长度：支持 32K，长文档毫无压力。
-
输入格式：支持 PDF 和图片（JPG/PNG），PDF 单次最大支持 100 页，并且支持多语言识别。
-
部署方式：非常灵活，支持 API 调用，也支持私有化部署。
-
价格：这点最良心，API 调用的费用非常便宜。不管是输入还是输出，价格都打到了 0.2 元 / 百万 Token，白菜价。
END
我是文如刀，从天坑专业土木成功上岸AI产品经理，现任 AI产品线负责人 | 面试官。专注分享AI产品实战干货。
– 推 荐 阅 读 –
