仅0.9B参数！开源GLM-OCR登顶OmniDocBench，准确率94.62%碾压所有模型

导语：GLM-OCR以0.9B参数刷新文档理解SOTA，准确率高达94.62%，已开源并支持快速部署。

当前文档处理流程中，虽然OCR技术已经广泛应用，但面对科学论文、金融报表等高密度信息、复杂版面的多模态文档时，传统方案在准确率和结构化输出上始终乏力。GLM-OCR的出现彻底改变了这一局面。

GLM-OCR是一款基于GLM架构的轻量化多模态文档理解模型。在权威评测OmniDocBench V1.5中，它以94.62%的惊人准确率登顶，成为目前开源界乃至全行业性能最强的OCR模型。该模型仅有0.9B参数，却通过优化的多模态编码与解码机制，实现了对复杂布局的深度感知——它不再局限于字符定位与识别，而是利用语义理解辅助图像特征提取，在极具挑战性的文档场景下依然保持极高的鲁棒性。

GLM-OCR拥有三大核心优势：

• SOTA性能： 超越了目前市面上所有的商业及开源OCR模型，定义了新的行业基准。
• 部署友好： 支持一行pip install快速集成，极低的资源占用使其非常适合边缘侧部署。
• 100%开源： 提供完整的代码与模型权重，允许开发者进行深度行业定制。

对于构建RAG（检索增强生成）系统的团队而言，GLM-OCR提供的精确文档解析能力是提升下游任务效果的关键。GLM-OCR用精巧的架构设计证明，小规模参数模型也能在垂直领域实现对大规模模型的性能超越。