GLM-OCR：0.9B 参数如何在文档解析上打败 235B 的 Qwen3-VL

GLM-OCR：0.9B 参数如何在文档解析上打败 235B 的 Qwen3-VL

摘要

智谱AI推出的GLM-OCR是一款0.9B参数的文档理解多模态模型，凭借布局感知的两阶段流水线和MTP解码技术，在OmniDocBench v1.5上以94.62分领先。其PDF处理速度达1.86页/秒，远超同类产品。GLM-OCR通过GRPO强化学习优化结构化输出，尤其在印章识别上表现突出，展现了小模型在特定任务上的高效与精准。