Qu’est-ce que GLM-OCR ?
GLM-OCR est le modèle d'OCR ouvert de Zhipu AI, sorti début 2026 sous licence MIT, avec un rapport technique le 11 mars 2026. Zhipu le décrit comme un modèle de 0,9 milliard de paramètres, avec un encodeur visuel CogViT de 0,4B et un décodeur GLM de 0,5B ; le checkpoint compté par Hugging Face en contient 1,33 milliard. Il lit le texte, les formules et les tableaux, et remplit un schéma JSON que vous fournissez pour l'extraction d'informations clés, dans huit langues dont le chinois, l'anglais, le français, l'allemand et le japonais.
L'analyse de pages complètes fonctionne comme un pipeline. Le SDK officiel trouve les régions avec PP-DocLayoutV3 de Baidu, puis les reconnaît en parallèle. L'entraînement ajoute la prédiction multi-tokens : le modèle apprend à proposer dix tokens par étape et en accepte en moyenne 5,2 à l'inférence, ce qui, selon Zhipu, augmente le débit d'environ 50 %.
Zhipu le vend aussi sous forme d'API, à 0,03 $ par million de tokens d'entrée ou de sortie sur Z.ai, et les poids ont été téléchargés environ 1,74 million de fois le mois dernier sur Hugging Face.
GLM-OCR vaut-il le coup ?
GLM-OCR est le petit modèle d'OCR par défaut pour les équipes qui veulent à la fois des poids ouverts et une solution hébergée de repli. Ses scores ont été vérifiés hors de Zhipu : le classement OmniDocBench v1.6 d'OpenDataLab l'indique à 95,22, derrière OvisOCR2 à 96,47, PaddleOCR-VL-1.6 à 96,34 et MinerU2.5-Pro à 95,75, et devant Qianfan-OCR à 93,90. Le chiffre mis en avant sur la fiche, 94,62 et la première place, porte sur l'ancienne v1.5 et ne doit donc pas être comparé aux chiffres de la v1.6.
La vitesse est l'argument le plus fort. Zhipu annonce 1,86 page PDF par seconde et 0,67 image par seconde sans concurrence, contre 1,22 et 0,39 pour PaddleOCR-VL-1.5, sans toutefois nommer le GPU. Le test distinct d'OpenBMB sur une RTX 5090 l'a placé à 1,179 page par seconde, juste derrière les 1,217 de MiniCPM-OCR 1.0 et devant les 0,818 de PaddleOCR-VL-1.6. Ce sont les chiffres de deux fournisseurs, pas des chiffres neutres, mais ils vont dans le même sens.
Le pipeline a les coûts habituels. Le rapport de Zhipu prévient que de mauvaises boîtes de mise en page gâchent la reconnaissance qui suit, que l'ordre de lecture peut se rompre sur des pages irrégulières à plusieurs colonnes et d'une page à l'autre, et que les sauts de ligne et les espaces varient d'une exécution à l'autre. Le SDK ne couvre que l'analyse ; l'extraction de champs passe par le modèle seul et ne vaut que ce que vaut le schéma que vous écrivez. Le rapport d'OvisOCR2 d'Alibaba ajoute une preuve externe du problème de mise en page : sur son test de tableaux complexes, GLM-OCR a manqué 17,26 % des tableaux, contre 7,96 % pour OvisOCR2.
Le prix hébergé est ce qui le distingue de la plupart des concurrents ouverts. L'article de Zhipu indique que 1 RMB au tarif chinois couvre environ 2 000 numérisations A4 ou 200 PDF de dix pages, et l'API internationale accepte des PDF jusqu'à 100 pages et 50 MB. Les équipes peuvent prototyper sur l'API et passer plus tard le même modèle sur site.
Notre avis : GLM-OCR est le parseur à l'aune duquel mesurer les autres. Un concurrent doit le battre sur vos propres documents d'assez loin pour justifier une infrastructure plus lourde, et d'après les chiffres publics, seuls OvisOCR2 et PaddleOCR-VL-1.6 franchissent cette barre pour les pages isolées.
Là où il fait la différence
Un responsable de l'automatisation du back-office dans une entreprise logistique européenne
Extraire en JSON le destinataire, l'adresse et le poids de bons de livraison numérisés
Envoyez chaque page au modèle seul avec un prompt contenant un modèle JSON, comme la fiche le montre pour les cartes d'identité. Zhipu annonce 93,7 sur Nanonets-KIE ; testez sur vos propres formulaires, car les champs aux limites floues peuvent revenir incomplets.
Une startup de deux personnes qui construit un produit de recherche documentaire
Analyser les PDF des clients avant d'acheter des GPU
Commencez sur l'API Z.ai à 0,03 $ par million de tokens avec des fichiers jusqu'à 100 pages, puis passez aux mêmes poids sous vLLM ou SGLang quand les volumes justifient du matériel. Le format de sortie reste le même.
Un data engineer dans une société de bourse chinoise qui traite des documents réglementaires avec cachets et listings de code
Convertir de gros lots de PDF en Markdown sur des serveurs internes
Lancez le SDK GLM-OCR avec PP-DocLayoutV3 devant un serveur vLLM et parallélisez les régions. Aux 1,86 page par seconde annoncées par Zhipu, une réplique traite environ 6 700 pages par heure avant concurrence.
Avant de vous engager
- Mise en route
- Installez avec pip le SDK GLM-OCR depuis GitHub, qui inclut PP-DocLayoutV3, et pointez-le vers un serveur vLLM ou SGLang local ; les recettes se trouvent dans les cookbooks de vLLM et de SGLang, et la prise en charge de Transformers est native.
- Intégrations
- vLLM, SGLang, Ollama et Transformers ; builds communautaires GGUF, MLX et ONNX sur Hugging Face ; LLaMA-Factory pour le fine-tuning ; API Z.ai et BigModel acceptant JPG, PNG et PDF.
- Données et confidentialité
- Les poids sont sous MIT ; le modèle de mise en page est sous Apache 2.0, si bien que les deux licences s'appliquent au pipeline complet. En auto-hébergement, les documents restent sur votre matériel ; la page de l'API n'indique pas de conditions de conservation.
- Coût à grande échelle
- Le checkpoint BF16 pèse environ 2,7 GB, si bien qu'un seul GPU grand public suffit à le servir. Sur l'API, Zhipu estime lui-même environ 2 000 numérisations A4 pour 1 RMB au tarif chinois.
- Limites
- Les fichiers de l'API sont plafonnés à 10 MB par image, 50 MB par PDF et 100 pages. Seuls trois prompts d'analyse (texte, formule, tableau) plus l'extraction par schéma sont pris en charge ; selon le rapport, les numérisations en basse résolution, les tableaux denses et irréguliers et les langues sous-représentées dégradent les résultats.
Les points forts
- 95,22 sur OmniDocBench v1.6, mesuré de manière indépendante par OpenDataLab
- 1,86 page PDF par seconde sans concurrence, selon Zhipu
- Licence MIT ; API à 0,03 $ par million de tokens
- Extraction de champs en JSON pilotée par schéma dans le même modèle
Les points faibles
- Derrière OvisOCR2 et PaddleOCR-VL-1.6 en précision sur page isolée
- L'analyse de pages complètes dépend d'un modèle de mise en page séparé
- L'extraction de champs est hors du SDK et sensible à la formulation du schéma
- Huit langues seulement ; GPU utilisé pour le débit non précisé
Idéal pour
Les équipes qui veulent un modèle d'OCR rapide sous licence permissive, qu'elles peuvent faire tourner elles-mêmes ou louer au token auprès du même fournisseur.
Alternatives à GLM-OCR
GLM-OCR : questions fréquentes
- GLM-OCR vaut-il le coup ?
- GLM-OCR n'est plus le parseur le plus précis, mais c'est celui qui offre le moins de raisons de dire non : petit, sous licence MIT, évalué de manière indépendante et peu cher à louer. Nous lui donnons 4.3 sur 5.
- Combien coûte GLM-OCR ?
- Gratuit sous licence MIT. API Z.ai à 0,03 $ par million de tokens, en entrée comme en sortie ; BigModel (Chine) à 0,2 RMB par million de tokens.
- Quels sont les inconvénients de GLM-OCR ?
- Derrière OvisOCR2 et PaddleOCR-VL-1.6 en précision sur page isolée; l'analyse de pages complètes dépend d'un modèle de mise en page séparé; l'extraction de champs est hors du SDK et sensible à la formulation du schéma; huit langues seulement ; GPU utilisé pour le débit non précisé.
- À qui s’adresse GLM-OCR ?
- Les équipes qui veulent un modèle d'OCR rapide sous licence permissive, qu'elles peuvent faire tourner elles-mêmes ou louer au token auprès du même fournisseur.
- Combien coûte GLM-OCR pour une équipe ou en production ?
- Le checkpoint BF16 pèse environ 2,7 GB, si bien qu'un seul GPU grand public suffit à le servir. Sur l'API, Zhipu estime lui-même environ 2 000 numérisations A4 pour 1 RMB au tarif chinois.
- GLM-OCR est-il sûr pour les données de l’entreprise ?
- Les poids sont sous MIT ; le modèle de mise en page est sous Apache 2.0, si bien que les deux licences s'appliquent au pipeline complet. En auto-hébergement, les documents restent sur votre matériel ; la page de l'API n'indique pas de conditions de conservation.
- Quelles sont les meilleures alternatives à GLM-OCR ?
- Les alternatives les plus proches que nous avons testées sont PaddleOCR-VL-1.6, OvisOCR2, MiniCPM-OCR 1.0 et Qianfan-OCR.
Réponses vérifiées le 2 nov. 2026.
Vous éditez GLM-OCR ? Affichez cette note sur votre site
