智谱发布GLM-OCR：0.9B参数实现SOTA，专攻复杂文档多模态理解

智谱AI发布开源多模态OCR模型GLM-OCR，基于GLM-V架构构建，专为复杂文档理解设计。该模型引入多Token预测损失函数及强化学习，集成了CogViT视觉编码器与0.9B参数的高效解码器。在OmniDocBench V1.5评测中，GLM-OCR以94.62分位居榜首，并在公式与表格识别等基准测试中达到顶尖水平。其优势在于能稳健处理代码、印章等复杂真实场景，且支持vLLM等主流推理框架，显著降低推理成本，成为边缘侧部署的理想选择。