zai-org/glm-ocr

GLM-OCR

中文阅读

👋 저희 위챗과 디스코드 커뮤니티에 참여하세요

📖 GLM-OCR 기술 보고서를 확인해 보세요

📍 GLM-OCR의 API 사용

모델 소개

GLM-OCR은 GLM-V 인코더-디코더 아키텍처 위에 구축된 복잡한 문서 이해를 위한 다중 모달 OCR 모델입니다. 이 모델은 다중 토큰 예측(MTP) 손실과 안정적인 전체 작업 강화 학습을 도입하여 훈련 효율성, 인식 정확도 및 일반화를 향상시킵니다. 이 모델은 대규모 이미지-텍스트 데이터를 사전 학습한 CogViT 시각 인코더, 효율적인 토큰 다운샘플링이 가능한 가벼운 크로스 모달 커넥터, GLM-0.5B 언어 디코더를 통합합니다. PP-DocLayout-V3 기반의 레이아웃 분석 및 병렬 인식 2단계 파이프라인과 결합되어, GLM-OCR은 다양한 문서 레이아웃에서 견고하고 고품질의 OCR 성능을 제공합니다.

주요 특징

• 최첨단 성능: OmniDocBench V1.5에서 94.62점을 기록하며 전체 #1위를 기록하고, 공식 인식, 표 인식, 정보 추출 등 주요 문서 이해 벤치마크에서 최첨단 결과를 제공합니다.

GLM-OCR

中文阅读

👋 Join our WeChat and Discord community

📖 Check out the GLM-OCR technical report

📍 Use GLM-OCR's API

Model Introduction

GLM-OCR is a multimodal OCR model for complex document understanding, built on the GLM-V encoder–decoder architecture. It introduces Multi-Token Prediction (MTP) loss and stable full-task reinforcement learning to improve training efficiency, recognition accuracy, and generalization. The model integrates the CogViT visual encoder pre-trained on large-scale image–text data, a lightweight cross-modal connector with efficient token downsampling, and a GLM-0.5B language decoder. Combined with a two-stage pipeline of layout analysis and parallel recognition based on PP-DocLayout-V3, GLM-OCR delivers robust and high-quality OCR performance across diverse document layouts.

Key Features

• State-of-the-Art Performance: Achieves a score of 94.62 on OmniDocBench V1.5, ranking #1 overall, and delivers state-of-the-art results across major document understanding benchmarks, including formula recognition, table recognition, and information extraction.

• Optimized for Real-World Scenarios: Designed and optimized for practical business use cases, maintaining robust performance on complex tables, code-heavy documents, seals, and other challenging real-world layouts.

• Efficient Inference: With only 0.9B parameters, GLM-OCR supports deployment via vLLM, SGLang, and Ollama, significantly reducing inference latency and compute cost, making it ideal for high-concurrency services and edge deployments.

• Easy to Use: Fully open-sourced and equipped with a comprehensive SDK and inference toolchain, offering simple installation, one-line invocation, and smooth integration into existing production pipelines.

News & Updates

• [2026.3.12] GLM-OCR SDK now supports agent-friendly Skill mode — just pip install glmocr + set API key, ready to use via CLI or Python with no GPU or YAML config needed. See: GLM-OCR Skill
• [2026.3.12] GLM-OCR Technical Report is now available. See: GLM-OCR Technical Report
• [2026.2.12] Fine-tuning tutorial based on LLaMA-Factory is now available. See: GLM-OCR Fine-tuning Guide

Download Model

| Model | Download Links | Precision |