GLM-OCR: El Nuevo Rey del OCR Open Source. Supera a Gemini y GPT en Extracción de Datos

Descubre GLM-OCR, el revolucionario modelo multimodal de tan solo 0.9B parámetros que ha alcanzado el puesto número uno en benchmarks de comprensión de documentos como OmniDocBench v1.5, superando a modelos masivos como Gemini-3 Pro y Qwen2.5-VL. Esta potente herramienta de código abierto utiliza una innovadora arquitectura de predicción multitoken (MTP) y el avanzado detector PP-DocLayout-V3 para procesar con una precisión inigualable tablas complejas, fórmulas matemáticas en LaTeX, documentos densos en código y sellos oficiales. Gracias a su diseño ligero y optimizado, GLM-OCR ofrece una eficiencia de inferencia superior y soporte para despliegue local mediante vLLM, SGLang u Ollama, permitiendo a desarrolladores y empresas automatizar la extracción de información clave (KIE) de forma económica, rápida y escalable.https://arxiv.org/pdf/2603.10910https://github.com/zai-org/GLM-OCR