Точный ID весов
zai-org/GLM-OCR
Модель Z.ai
GLM-OCR: извлечение структуры, не просто букв
zai-org/GLM-OCR — точный официальный репозиторий мультимодальной модели для сложных документов. Паспорт описывает GLM-V encoder-decoder, визуальный CogViT-энкодер, лёгкий межмодальный соединитель и текстовый декодер GLM-0.5B. Пользовательская задача — распознать содержимое страницы, таблицу или формулу, а не сгенерировать новое изображение.
Коротко
Что важно знать о GLM-OCR
Полный документный процесс в официальном SDK двухэтапный: PP-DocLayoutV3 сначала разбирает расположение областей, затем OCR-модель распознаёт их содержимое. Поэтому качество готового markdown или структурированного результата зависит не только от точного checkpoint, но и от layout-этапа. Карточка прямо различает document parsing и information extraction: для второго входной запрос должен задавать строгую JSON-схему. Практический интент — вытащить поля из счета или сохранить структуру таблицы для дальнейшей ручной проверки. Авторские цифры OmniDocBench и другие результаты являются опубликованной оценкой, а не гарантией безошибочности на ваших сканах.
Что умеет модель
Главные возможности — коротко. Полные условия и параметры доступны ниже.
Задача
мультимодальное распознавание документов
Промпты
parsing или extraction со схемой
Лицензии
MIT модель; Apache-2.0 layout-компонент pipeline
Все 4 характеристик, доступ и API
- Точный ID весов
- zai-org/GLM-OCR
- Задача
- мультимодальное распознавание документов
- Промпты
- parsing или extraction со схемой
- Лицензии
- MIT модель; Apache-2.0 layout-компонент pipeline
Сценарии
Для каких задач подходит
- извлечение таблиц и формул из страниц
- структурирование типовых документов
- пилот OCR с проверкой полей человеком
Выбирайте GLM-OCR, когда конечный результат — текст и структура документа. Для типового парсинга паспорт рекомендует официальный SDK, потому что он добавляет layout-анализ; для извлечения фиксированных полей допускает прямой запрос с требуемой JSON-схемой. Если нужно отвечать на широкие вопросы по визуальному контексту, сравните с GLM-V, а если создавать иллюстрацию — с GLM-Image. Не заменяйте структурную проверку одной средней метрикой OCR.
До внедрения
Что проверить
Паспорт ограничивает поддерживаемые формы промпта: document parsing и information extraction со строгой JSON-схемой. Произвольный агентный диалог не заявлен. Разметка сложной таблицы может ошибиться ещё до распознавания текста, поэтому храните промежуточные области и координаты. Отсканированные документы часто содержат персональные данные; лицензия модели не разрешает бесконтрольную загрузку таких страниц в сторонний сервис. В спорных полях нужен просмотр изображения.
Доступ и интеграция
Карточка и её лицензионный раздел утверждают MIT для самой GLM-OCR. Полный рекомендованный pipeline использует PP-DocLayoutV3 под Apache-2.0; условия обоих компонентов следует учитывать вместе. Ссылка на API в паспорте — другой способ обслуживания, без подтверждённой здесь цены, квоты или доступа из РФ. Чтобы повторить локальную оценку, закрепите версии модели, SDK, layout-детектора и схему вывода.
Русский язык
GLM-OCR на русском
Отдельной доказанной оценки русских документов в карточке не найдено. Для кириллицы, печатей, смешанных латинских обозначений и таблиц с финансовыми числами измеряйте точность по типам элементов и качеству скана. Ошибка в одном символе ИНН или сумме важнее общего красивого OCR-текста.
Внутри линейки
GLM-OCR и модели Z.ai
Выберите до четырёх версий и сопоставьте задачу, контекст и доступ. Неуказанная цена не считается нулевой.
Для этого типа задачи в каталоге пока нет второй модели этого провайдера. Не сравнивайте её численно с моделью другого типа входа или выхода.
GLM-OCR
извлечение таблиц и формул из страниц
- Тип
- Текст и изображения
Другие провайдеры
GLM-OCR: сравнение с альтернативами
Сравните модели того же типа от разных провайдеров. Числовое место не присваивается версии без независимого измерения.
GLM-OCR
Полный документный процесс в официальном SDK двухэтапный: PP-DocLayoutV3 сначала разбирает расположение областей, затем OCR-модель распознаёт их содержимое. Поэтому качество готового markdown или структурированного результата зависит не только от точного checkpoint, но и от layout-этапа. Карточка прямо различает document parsing и information extraction: для второго входной запрос должен задавать строгую JSON-схему. Практический интент — вытащить поля из счета или сохранить структуру таблицы для дальнейшей ручной проверки. Авторские цифры OmniDocBench и другие результаты являются опубликованной оценкой, а не гарантией безошибочности на ваших сканах.
- Тип
- Текст и изображения
Сопоставимой модели другого провайдера этого типа пока нет в проверенном каталоге.
Связи
Продолжить выбор
Проверка сведений
Подробности и источники
Один checkpoint и полный документный pipeline
Официальная карточка рекомендует SDK для document parsing: в нём PP-DocLayoutV3 выделяет области страницы, затем модель распознаёт содержимое. В оценке сохраните изображение, найденные области и финальную структуру, чтобы ошибка порядка чтения не считалась ошибкой распознавания символа. Для фиксированных полей паспорт допускает прямой model inference со строгой JSON-схемой. Это два разных рабочих пути, и решение о выборе зависит от вёрстки вашего корпуса.
Две лицензии и контроль полей
GLM-OCR в карточке заявлена под MIT, а включённый в полный pipeline PP-DocLayoutV3 — под Apache-2.0. Указывайте обе при интеграции, не называя лицензию SDK лицензией каждого веса. В пользовательском процессе проверяйте критичные суммы, имена и даты по исходному изображению. Авторская высокая оценка на OmniDocBench не заменяет этот контроль, особенно на русском скане со штампом или нарушенной геометрией.
Вопросы и ответы
FAQ о GLM-OCR
Что такое GLM-OCR?
Полный документный процесс в официальном SDK двухэтапный: PP-DocLayoutV3 сначала разбирает расположение областей, затем OCR-модель распознаёт их содержимое. Поэтому качество готового markdown или структурированного результата зависит не только от точного checkpoint, но и от layout-этапа. Карточка прямо различает document parsing и information extraction: для второго входной запрос должен задавать строгую JSON-схему. Практический интент — вытащить поля из счета или сохранить структуру таблицы для дальнейшей ручной проверки. Авторские цифры OmniDocBench и другие результаты являются опубликованной оценкой, а не гарантией безошибочности на ваших сканах.
Работает ли GLM-OCR на русском?
Отдельной доказанной оценки русских документов в карточке не найдено. Для кириллицы, печатей, смешанных латинских обозначений и таблиц с финансовыми числами измеряйте точность по типам элементов и качеству скана. Ошибка в одном символе ИНН или сумме важнее общего красивого OCR-текста.
Для каких задач подходит GLM-OCR?
Подходящие сценарии: извлечение таблиц и формул из страниц; структурирование типовых документов; пилот OCR с проверкой полей человеком.
Когда выбирать GLM-OCR?
Выбирайте GLM-OCR, когда конечный результат — текст и структура документа. Для типового парсинга паспорт рекомендует официальный SDK, потому что он добавляет layout-анализ; для извлечения фиксированных полей допускает прямой запрос с требуемой JSON-схемой. Если нужно отвечать на широкие вопросы по визуальному контексту, сравните с GLM-V, а если создавать иллюстрацию — с GLM-Image. Не заменяйте структурную проверку одной средней метрикой OCR.
Какие ограничения есть у GLM-OCR?
Паспорт ограничивает поддерживаемые формы промпта: document parsing и information extraction со строгой JSON-схемой. Произвольный агентный диалог не заявлен. Разметка сложной таблицы может ошибиться ещё до распознавания текста, поэтому храните промежуточные области и координаты. Отсканированные документы часто содержат персональные данные; лицензия модели не разрешает бесконтрольную загрузку таких страниц в сторонний сервис. В спорных полях нужен просмотр изображения.
Каталог GPT House
Выберите модель по задаче, а не только по названию
Сравните назначение модели со связанными рабочими сценариями и проверьте ее на собственных данных.