GLM-OCR의 개요
GLM-OCR은 Zhipu AI의 오픈 OCR 모델로, 2026년 초 MIT 라이선스로 공개됐고 기술 보고서는 2026년 3월 11일에 나왔습니다. Zhipu는 9억(0.9 billion) 파라미터로 설명합니다. 0.4B CogViT 비전 인코더와 0.5B GLM 디코더로 이뤄졌으며, Hugging Face가 집계하는 체크포인트에는 13억 3,000만(1.33 billion) 개가 들어 있습니다. 텍스트, 수식, 표를 읽고, 핵심 정보 추출을 위해 사용자가 제공한 JSON 스키마를 채웁니다. 지원 언어는 중국어, 영어, 프랑스어, 독일어, 일본어를 포함한 여덟 개입니다.
전체 페이지 파싱은 파이프라인으로 돌아갑니다. 공식 SDK가 Baidu의 PP-DocLayoutV3로 영역을 찾은 뒤 병렬로 인식합니다. 학습에는 multi-token prediction이 더해졌습니다. 모델은 한 단계에 토큰 10개를 제안하도록 학습하고 추론 때 평균 5.2개를 채택하며, Zhipu는 이로써 처리량이 약 50% 오른다고 말합니다.
Zhipu는 이 모델을 API로도 팔며, Z.ai에서 입력이나 출력 100만 토큰당 $0.03입니다. 가중치는 지난 한 달간 Hugging Face에서 약 174만(1.74 million) 회 다운로드됐습니다.
GLM-OCR, 쓸 만한 가치가 있습니까?
GLM-OCR은 오픈 가중치와 호스팅 대안을 모두 원하는 팀에게 기본이 되는 소형 OCR 모델입니다. 점수는 Zhipu 밖에서도 확인됐습니다. OpenDataLab의 OmniDocBench v1.6 리더보드는 95.22로 올려 두었는데, OvisOCR2의 96.47, PaddleOCR-VL-1.6의 96.34, MinerU2.5-Pro의 95.75에 뒤지고 Qianfan-OCR의 93.90을 앞섭니다. 카드가 내세우는 94.62와 1위는 이전 버전인 v1.5 기준이므로 v1.6 수치와 비교하면 안 됩니다.
더 강한 근거는 속도입니다. Zhipu는 단일 동시성에서 초당 PDF 1.86페 이지, 이미지 0.67장을 보고하며, PaddleOCR-VL-1.5는 1.22와 0.39입니다. 다만 GPU는 밝히지 않았습니다. OpenBMB가 RTX 5090에서 따로 측정한 결과는 초당 1.179페이지로, MiniCPM-OCR 1.0의 1.217에 약간 뒤지고 PaddleOCR-VL-1.6의 0.818을 앞섰습니다. 중립적인 수치가 아니라 두 제조사의 수치이지만 같은 방향을 가리킵니다.
파이프라인에는 흔한 비용이 따릅니다. Zhipu 보고서는 레이아웃 박스가 틀리면 이어지는 인식이 망가지고, 불규칙한 다단 페이지와 페이지 경계에서 읽기 순서가 깨질 수 있으며, 줄바꿈과 공백이 실행할 때마다 달라진다고 경고합니다. SDK는 파싱만 다룹니다. 필드 추출은 SDK 없이 모델에 직접 돌리며, 작성한 스키마만큼만 잘 작동합니다. Alibaba의 OvisOCR2 보고서는 레이아웃 문제에 대한 외부 근거를 더합니다. 복잡한 표 테스트에서 GLM-OCR은 표의 17.26%를 놓쳤고, OvisOCR2는 7.96%였습니다.
대부분의 오픈 경쟁 모델과 다른 점은 호스팅 가격입니다. Zhipu 논문에 따르면 중국 요금 기준 1 RMB로 A4 스캔 약 2,000장 또는 10페이지 PDF 200개를 처리할 수 있고, 국제 API는 최대 100페이지, 50 MB의 PDF를 받습니다. 팀은 API로 시제품을 만들고 나중에 같은 모델을 사내로 옮길 수 있습니다.
결론: GLM-OCR은 다른 파서를 재는 기준이 되는 파서입니다. 경쟁 모델은 더 무거운 스택을 정당화할 만큼 사용자 자신의 문서에서 이 모델을 이겨야 하며, 공개 수치로는 단일 페이지에서 OvisOCR2와 PaddleOCR-VL-1.6만 그 기준을 넘습니다.
제 역할을 하는 곳
유럽 물류 회사의 백오피스 자 동화 책임자
스캔한 배송 전표에서 수하인, 주소, 무게 필드를 JSON으로 추출
카드가 신분증 예시로 보여 주듯, 각 페이지를 JSON 템플릿 프롬프트와 함께 모델에 직접 보냅니다. Zhipu는 Nanonets-KIE에서 93.7을 보고합니다. 경계가 모호한 필드는 불완전하게 나올 수 있으므로 자사 양식으로 테스트해야 합니다.
문서 검색 제품을 만드는 2인 스타트업
GPU를 사기 전에 고객 PDF 파싱하기
최대 100페이지 파일을 받는 Z.ai API에서 100만 토큰당 $0.03으로 시작하고, 물량이 하드웨어를 정당화할 때 같은 가중치를 vLLM이나 SGLang으로 옮깁니다. 출력 형식은 그대로입니다.
인감과 코드 목록이 들어간 공시 문서를 처리하는 중국 증권사의 데이터 엔지니어
사내 서버에서 대량의 PDF를 Markdown으로 변환
vLLM 서버 앞에 PP-DocLayoutV3와 함께 GLM-OCR SDK를 돌리고 영역을 병렬 처리합니다. Zhipu 기준 초당 1.86페이지라면 복제본 하나가 동시성 없이 시간당 약 6,700페이지를 처리합니다.
도입 전 확인할 점
- 설정
- PP-DocLayoutV3 가 포함된 GLM-OCR SDK를 GitHub에서 pip install로 설치하고 로컬 vLLM이나 SGLang 서버를 지정합니다. 레시피는 vLLM과 SGLang 쿡북에 있고, Transformers는 네이티브로 지원합니다.
- 연동
- vLLM, SGLang, Ollama, Transformers. Hugging Face의 커뮤니티 GGUF, MLX, ONNX 빌드. 파인튜닝용 LLaMA-Factory. JPG, PNG, PDF를 받는 Z.ai와 BigModel API.
- 데이터와 개인정보
- 가중치는 MIT이고 레이아웃 모델은 Apache 2.0이므로 전체 파이프라인에는 두 라이선스가 모두 적용됩니다. 자체 호스팅하면 문서가 사용자 하드웨어에 남습니다. API 페이지에는 보존 조건이 명시되어 있지 않습니다.
- 대규모 사용 시 비용
- BF16 체크포인트는 약 2.7 GB라 소비자용 GPU 한 장으로 서빙할 수 있습니다. API에서는 Zhipu 자체 추정으로 중국 요금 기준 1 RMB당 A4 스캔 약 2,000장입니다.
- 제한
- API 파일은 이미지당 10 MB, PDF당 50 MB, 100페이지로 제한됩니다. 지원하는 파싱 프롬프트는 텍스트, 수식, 표 세 가지와 스키마 기반 추출뿐입니다. 보고서에 따르면 저해상도 스캔, 빽빽하고 불규칙한 표, 학습 데이터가 적은 언어에서는 성능이 떨어집니다.
좋은 점
- OmniDocBench v1.6에서 95.22, OpenDataLab이 독립 측정
- Zhipu 기준 단일 동시성에서 초당 PDF 1.86페이지
- MIT 라이선스, API는 100만 토큰당 $0.03
- 같은 모델에서 스키마 기반 JSON 필드 추출
아쉬운 점
- 단일 페이지 정확도에서 OvisOCR2와 PaddleOCR-VL-1.6에 뒤처짐
- 전체 페이지 파싱이 별도 레이아웃 모델에 의존
- 필드 추출은 SDK 밖에 있고 스키마 문구에 민감
- 지원 언어 여덟 개뿐, 처리량 측정 GPU 미공개
추천 대상
직접 돌리거나 같은 제조사에서 토큰 단위로 빌려 쓸 수 있는, 빠르고 관대한 라이선스의 OCR 모델을 원하는 팀.
GLM-OCR 대안
GLM-OCR: 자주 묻는 질문
- GLM-OCR, 쓸 만한 가치가 있습니까?
- GLM-OCR은 더 이상 가장 정확한 파서는 아니지만, 거절할 이유가 가장 적은 파서입니다. 작고, MIT 라이선스이며, 독립 평가를 거쳤고, 빌려 쓰기에도 쌉니다. 평점은 5점 만점에 4.3점입니다.
- GLM-OCR의 가격은 얼마입니까?
- MIT 라이선스로 무료. Z.ai API는 입력과 출력 모두 100만 토큰당 $0.03, BigModel(중국)은 100만 토큰당 0.2 RMB.
- GLM-OCR의 단점은 무엇입니까?
- 단일 페이지 정확도에서 OvisOCR2와 PaddleOCR-VL-1.6에 뒤처짐; 전체 페이지 파싱이 별도 레이아웃 모델에 의존; 필드 추출은 SDK 밖에 있고 스키마 문구에 민감; 지원 언어 여덟 개뿐, 처리량 측정 GPU 미공개.
- GLM-OCR에 적합한 사람은 누구입니까?
- 직접 돌리거나 같은 제조사에서 토큰 단위로 빌려 쓸 수 있는, 빠르고 관대한 라이선스의 OCR 모델을 원하는 팀.
- 팀이나 프로덕션 환경에서 GLM-OCR의 비용은 얼마입니까?
- BF16 체크포인트는 약 2.7 GB라 소비자용 GPU 한 장으로 서빙할 수 있습니다. API에서는 Zhipu 자체 추정으로 중국 요금 기준 1 RMB당 A4 스캔 약 2,000장입니다.
- GLM-OCR에 회사 데이터를 맡겨도 안전합니까?
- 가중치는 MIT이고 레이아웃 모델은 Apache 2.0이므로 전체 파이프라인에는 두 라이선스가 모두 적용됩니다. 자체 호스팅하면 문서가 사용자 하드웨어에 남습니다. API 페이지에는 보존 조건이 명시되어 있지 않습니다.
- GLM-OCR의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 PaddleOCR-VL-1.6, OvisOCR2, MiniCPM-OCR 1.0 및 Qianfan-OCR입니다.
답변 확인일: 2026년 11월 2일.
GLM-OCR 개발사입니까? 이 평점을 사이트에 표시하십시오
