Z.ai发布多模态OCR模型GLM-OCR，并在Hugging Face开放权重，同时提供在线体验与API调用方式。官方称该模型仅约0.9B参数，但在复杂文档理解任务中取得领先表现，覆盖公式识别、表格识别与关键信息抽取等场景。
在API使用上，GLM-OCR支持输入PDF与图片（JPG/PNG），单张图片不超过10MB、PDF不超过50MB，最高支持100页。输出可包含Markdown结果与版面布局细节，便于文档解析、数据录入与RAG文档预处理。实际效果仍会受扫描质量、字体混排、印章遮挡与版式复杂度影响，生产环境建议进行抽样评测与隐私合规检查。
常见问题
Q：GLM-OCR主要解决什么问题？
A：GLM-OCR面向复杂文档OCR与理解，覆盖文字、表格、公式与信息抽取。
Q：GLM-OCR支持哪些输入与大小限制？
A：GLM-OCR支持PDF与JPG/PNG，图片≤10MB、PDF≤50MB，最多100页。
Q：GLM-OCR输出结果有哪些形式？
A：GLM-OCR可输出Markdown文本结果，并返回版面布局相关的结构化信息。
Q：GLM-OCR是否提供在线体验与API？
A：Z.ai提供在线体验页面与开发者文档中的API接口说明。
