GLM-OCR
Suverænitet og hosting
Denne model er katalogiseret til reference. Den er ikke hostet på LLM EU endnu, og ingen førsteparts-endpoint betjener den her. Anmodninger til den går direkte til udbyderen, under den pågældende udbyders egne vilkår.
Resumé
GLM-OCR is a small multimodal model for document text extraction, built from a CogViT vision encoder and a GLM-0.5B language decoder. The vendor states it has about 0.9B parameters while the published safetensors total is 1.33B, and the configuration allows 131,072 text positions. It is MIT licensed and runs under vLLM, SGLang or Ollama for high-volume extraction.
Specifikationer
- Udbyder
- Z.ai (Zhipu AI) (CN)
- Kontekstvindue
- 131k
- Parametre
- 1.33B
- Modaliteter
- vision
- Licens
- mit · licence
- Åbne vægte
- yes
- Udgivelsesdato
- 30. jan. 2026
- Opgaver
- vision, rag, legal-draft, cheap, summarization
Sprog
Stærk: zh, en
Tilstrækkelig: de, fr, es, ru, ja, ko
Sprog
Stærk
- zh
- en
Tilstrækkelig
- de
- fr
- es
- ru
- ja
- ko
Ikke verificeret: udbyderen har ikke dokumenteret denne påstand. — a language is listed as strong only where a source claims it; the card links the evidence where one exists.
Hvornår skal man bruge den
Styrker
- purpose-built document OCR rather than general vision
- runs on modest hardware and through common inference servers
- MIT licence
Begrænsninger
- text extraction only; it is not a general chat or reasoning model
- vendor parameter count (0.9B) differs from the published safetensors total (1.33B)
- no OCR benchmark has been run by LLM EU