模型

GLM-OCR

zai-org/GLM-OCR

查看上游原文 ↗
上游访问:公开 本站服务:可咨询 内容检查:AI 辅助整理并检查 许可证:mit 上游版本:ca5d8b3e287e

中文简介

zai-org/GLM-OCR 是 zai-org 在 Hugging Face 发布的模型仓库,当前卡片主要关联图文理解与多模态生成。本站固定记录上游版本 ca5d8b3e287e,同步到 11 个文件,文件元数据合计 2.47 GB;访问状态为“公开”,许可证字段为“mit”。

UPSTREAM README

上游模型卡 / 数据集卡

在 Hugging Face 查看原文 ↗

【README 卡片中文译介】

以下内容依据上游仓库 zai-org/GLM-OCR 的固定版本 README、卡片字段和文件元数据进行中文结构化整理。它保留便于选型的关键信息,完整技术细节、代码示例和许可文本请同时查看上游原文。

【资源概览】
zai-org/GLM-OCR 是 zai-org 在 Hugging Face 发布的模型仓库,当前卡片主要关联图文理解与多模态生成。本站固定记录上游版本 ca5d8b3e287e,同步到 11 个文件,文件元数据合计 2.47 GB;访问状态为“公开”,许可证字段为“mit”。

【适用方向】
适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

【版本与规格】
固定版本:ca5d8b3e287e。 任务标签:图文理解与多模态生成。 语言字段:zh, en, fr, es, ru, de, ja, ko。 架构:GlmOcrForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 1.33 B。 库标记:transformers。 模型类型字段:glm_ocr。 上游页面记录的最近更新时间:2026-05-19。

【文件信息】
上游 API 返回 11 个文件,文件元数据合计 2.47 GB。 已保存文件清单中的主要扩展名:.json 5 个、.yaml 2 个、.jinja 1 个、.md 1 个、.safetensors 1 个、无扩展名 1 个。 当前较大的文件包括:model.safetensors(2.47 GB);tokenizer.json(6.52 MB);README.md(8.08 KB)。

【运行或处理环境】
仓库文件元数据合计 2.47 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 2.47 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

【使用边界】
许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

已有简体中文译文 · Codex 基于固定版本 README 与上游元数据生成中文结构化译介 · 2026-07-25 22:47

GLM-OCR 👋 Join our WeChat and Discord community 📍 Use GLM-OCR's API 👉 GLM-OCR SDK Recommended 📖 Technical Report 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. Performance Document Parsing & Information Extraction Real-World Scenarios Performance Speed Test For speed, we compared different OCR methods under identical hardware and testing conditions (single replica, single concurrency), evaluating their performa

公开页仅展示原文摘录;完整模型卡或数据集卡请前往上游仓库查看。

适用场景

适合评估图文理解、视觉问答、文档或场景解析等多模态任务。 建议先用小规模样本验证推理框架、输入输出格式和任务指标,再决定是否进入完整权重获取、量化或部署评估。

模型参数

固定版本:ca5d8b3e287e。 任务标签:图文理解与多模态生成。 语言字段:zh, en, fr, es, ru, de, ja, ko。 架构:GlmOcrForConditionalGeneration。 上游 Safetensors 元数据显示参数量约 1.33 B。 库标记:transformers。 模型类型字段:glm_ocr。 上游页面记录的最近更新时间:2026-05-19。

文件说明

上游 API 返回 11 个文件,文件元数据合计 2.47 GB。 已保存文件清单中的主要扩展名:.json 5 个、.yaml 2 个、.jinja 1 个、.md 1 个、.safetensors 1 个、无扩展名 1 个。 当前较大的文件包括:model.safetensors(2.47 GB);tokenizer.json(6.52 MB);README.md(8.08 KB)。

上游文件元数据

  • .eval_results/mdpbench.yaml4.67 KB
  • .eval_results/olmocrbench.yaml1.72 KB
  • .gitattributes1.48 KB
  • chat_template.jinja4.50 KB
  • config.json1.53 KB
  • generation_config.json165 B
  • model.safetensors2.47 GB
  • preprocessor_config.json367 B
  • README.md8.08 KB
  • tokenizer.json6.52 MB
  • tokenizer_config.json1.04 KB

硬件建议

仓库文件元数据合计 2.47 GB。 按每参数 2 字节只计算 BF16 权重,理论下限约 2.47 GB;这不包含 KV Cache、激活值、框架开销或并发余量。 实际显存与内存由精度、量化方式、上下文长度、批量、并发、MoE 专家加载方式和推理框架共同决定,不能只凭参数名或仓库大小作部署承诺;应在目标格式和目标硬件上实测。

注意事项

许可证显示为“mit”,具体用途限制、附加政策和归属要求仍以上游原文为准。 模型输出、工具调用和生成内容可能出现错误、偏见或安全风险,面向业务前应建立任务级评测、权限隔离和人工确认。

获取、校验与交付

咨询此资源时只需发送本页链接或资源准确全称。橙子AI科技会继续核对版本、文件与类型、README资料卡、许可证和访问条件,并在合法访问权限、许可证及平台规则允许的前提下,协助海内外下载、完整性校验及网盘或硬盘交付;本官网本身不托管或下载资源文件。

第三方资源声明

本页面为橙子AI科技基于固定版本上游卡片整理的中文信息与服务说明,不代表资源作者或平台官方页面。实际许可、访问和使用条件以上游原文为准。