# GLM-OCR: локальное распознавание русских документов

Источник: https://modelium.tech/zhurnal/glm-ocr-russkie-dokumenty/

GLM-OCR — модель распознавания документов: автор помечает русский среди поддерживаемых языков, но это не доказательство качества на ваших сканах. Для локальной проверки отделите модель от SDK, явно выключите облачный MaaS-режим и сверяйте извлечённые поля с оригиналом. Модель и её SDK имеют разные лицензии; размер весов и нужную память не следует отождествлять.

**Проверка источников: 28 сентября 2026 года.** Карточка весов закреплена за `2e85a628`, код SDK — за `cef4d0ea`. Modelium не скачивал модель, не проверял русские сканы и не измерял ни скорость, ни память. Ниже — путь проверки у читателя по документации автора, а не результат нашего теста. [s1](#src-s1) [s3](#src-s3)

## Что такое GLM-OCR и кому он подходит?

`zai-org/GLM-OCR` — опубликованная модель класса image-to-text; в машинной конфигурации указана архитектура `GlmOcrForConditionalGeneration`. Автор описывает её как часть конвейера распознавания сложных документов с отдельным компонентом анализа макета `PP-DocLayoutV3` и распознаванием областей. Заявленные «0,9 млрд параметров» и результаты OmniDocBench принадлежат автору; они не доказывают качество вашего русского счёта, акта или таблицы. [s1](#src-s1) [s2](#src-s2) [s8](#src-s8)

Карточка содержит тег языка `ru`. Это основание включить модель в **кандидаты** на тест, а не обещание точности русского OCR: разметка в карточке не является оценкой на ваших шрифтах, печатях и сканах. Для первички сначала определите выходные поля и проверку в [сценарии распознавания документов для 1С](/zadachi/raspoznavanie-dokumentov-1s/), затем сравнивайте результат с оригиналом. [s1](#src-s1)

**Маршрут решения:** документ и обязательные поля → GLM-OCR как кандидат → память и окружение под выбранный runtime → Ollama или сервер vLLM/SGLang → сверка полей → только после неё интеграция. Из размера весовых файлов нельзя вывести необходимую RAM/VRAM: на неё влияют компоненты обработки изображения, контекст, параллелизм и конкретная конфигурация; аппаратный порог здесь не измерялся. [s1](#src-s1) [s3](#src-s3) [s4](#src-s4)

## Модель, SDK и лицензии: что не смешивать?

Карточка весов GLM-OCR заявляет MIT; у проекта Python SDK в `pyproject.toml` указана Apache-2.0. Полный document-parsing pipeline дополнительно использует модель layout PP-DocLayoutV3, карточка которой помечена Apache-2.0. Проверьте тексты условий и используемые компоненты отдельно перед промышленным или коммерческим применением: здесь нет юридического заключения и «одной лицензии на весь стек». [s1](#src-s1) [s6](#src-s6) [s7](#src-s7)

Автор рекомендует SDK для разбора документа: он связывает layout-анализ и OCR и формирует Markdown/структурированный результат. Для извлечения конкретных полей карточка отсылает к **прямому вызову модели** со строго заданной JSON-схемой, а не обещает, что команда `glmocr parse` вернёт готовую запись 1С. Отдельно проверяйте наличие пустых, ошибочно распознанных и выдуманных полей. [s1](#src-s1) [s3](#src-s3)

## Как подготовить локальный путь, не отправив документ в облако?

У SDK есть облачный MaaS и self-host через vLLM/SGLang или Ollama. В закреплённом `glmocr/config.yaml` стоит `pipeline.maas.enabled: true`, хотя пример в README называет `false` значением по умолчанию. **Не доверяйте слову «локально» в инструкции установки:** явно задайте `false` в собственном конфиге и проверьте фактические сетевые обращения до работы с конфиденциальными файлами. `pip install glmocr` сам по себе не создаёт локальный сервер. [s3](#src-s3) [s4](#src-s4)

Для одного тестового изображения автор отдельно описывает Ollama: `ollama pull glm-ocr:latest`, затем SDK с `glmocr[selfhosted]` и конфигурацией native `/api/generate`. Сначала убедитесь, что конкретный тег модели существует в вашем окружении и зафиксируйте его digest: `latest` может со временем указывать на иной артефакт. Ollama и SDK устанавливайте только на доверенной машине; сверяйте системные требования на своём устройстве. Следующий фрагмент **не запускался Modelium** и не доказывает отсутствия сети на вашей машине. [s3](#src-s3) [s5](#src-s5)

ollama pull glm-ocr:latestollama list

После активации отдельного Python-окружения установите SDK для self-hosted конвейера: [s3](#src-s3)

python -m pip install 'glmocr[selfhosted]'

Создайте `config.yaml` с явным выключением облака и указанием локального адреса; не оставляйте ключ MaaS и не подставляйте клиентский документ в сторонний endpoint. Здесь использованы поля из официального примера Ollama. [s4](#src-s4) [s5](#src-s5)

pipeline:  maas:    enabled: false  ocr_api:    api_host: 127.0.0.1    api_port: 11434    api_path: /api/generate    api_mode: ollama_generate    model: glm-ocr:latest

glmocr parse ./test-document.png --config config.yaml --output ./ocr-result/

Выбирайте **обезличенный тестовый скан**. Сохраните версию SDK, digest модели, версию Ollama, конфиг и исходное изображение для воспроизводимости. Если SDK обращается к облачному `open.bigmodel.cn`, остановитесь: значит не подтверждён локальный маршрут; если ответ не приходит, проверьте совпадение `model`, порта и `api_mode`. Автор отдельно предупреждает о возможных ошибках vision-запроса через OpenAI-совместимый endpoint Ollama и рекомендует native `/api/generate`. [s3](#src-s3) [s4](#src-s4) [s5](#src-s5)

## Как проверить русский документ до решения о внедрении?

Подготовьте небольшой набор **своих разрешённых к обработке** сканов: печатный счёт, акт, таблицу с похожими символами и один проблемный снимок. Для каждого заранее внесите в эталон номер, дату, сумму, контрагента, табличные позиции и расположение на оригинале. Это предлагаемая методика сравнения на своих данных, **не результат замера Modelium**. [s1](#src-s1)

- Проверьте, что запуск действительно локальный и исходный файл не уходит во внешний сервис: явная настройка `maas.enabled: false`, сетевой журнал и тест без выхода в интернет. Параметр в файле один не доказывает отсутствие иных соединений. [s3](#src-s3) [s4](#src-s4)

- Посмотрите извлечённый текст и структуру; отдельно сравните числа, десятичные разделители, кириллицу/латиницу и строки таблицы с оригиналом. В примерах SDK результат сохраняется в Markdown и JSON. [s3](#src-s3)

- Для извлечения полей используйте отдельный прямой вызов модели с описанной автором JSON-схемой и валидируйте типы, обязательные поля и соответствие изображению. Нельзя считать правильно сформированный JSON доказательством правильных значений. [s1](#src-s1)

- Зафиксируйте число верных/ошибочных полей **на вашем наборе**, вручную разберите ошибки и передавайте спорные случаи оператору. Не отправляйте результат автоматически в 1С, пока не определены права доступа и процедура сверки. [s1](#src-s1)

Если нужна только быстрая визуальная проба, [гайд Ollama Vision API](/zhurnal/ollama-vision-api/) показывает передачу изображения; это проверка возможности мультимодального вызова, не замена разбора структуры документа. Если требуется контроль происхождения весов, начните с [проверки файлов на Hugging Face](/zhurnal/hugging-face-modeli/). Основной следующий шаг — [составить критерии проверки первички для 1С](/zadachi/raspoznavanie-dokumentov-1s/) и подтвердить поля на собственном эталоне. [s1](#src-s1) [s2](#src-s2)

## Источники

1. [GLM-OCR: карточка автора на Hugging Face](https://huggingface.co/zai-org/GLM-OCR/blob/2e85a62840ccac27daa451df36c736c4636b8628/README.md) — получено 2026-09-28
2. [GLM-OCR: закреплённый config модели](https://huggingface.co/zai-org/GLM-OCR/blob/2e85a62840ccac27daa451df36c736c4636b8628/config.json) — получено 2026-09-28
3. [GLM-OCR: README SDK и варианты запуска](https://github.com/zai-org/GLM-OCR/blob/cef4d0ea120d1741f5cefe8985eee45f6c8eff1d/README.md) — получено 2026-09-28
4. [GLM-OCR: поставляемая конфигурация SDK](https://github.com/zai-org/GLM-OCR/blob/cef4d0ea120d1741f5cefe8985eee45f6c8eff1d/glmocr/config.yaml) — получено 2026-09-28
5. [GLM-OCR: инструкция Ollama автора](https://github.com/zai-org/GLM-OCR/blob/cef4d0ea120d1741f5cefe8985eee45f6c8eff1d/examples/ollama-deploy/README.md) — получено 2026-09-28
6. [GLM-OCR: метаданные лицензии SDK](https://github.com/zai-org/GLM-OCR/blob/cef4d0ea120d1741f5cefe8985eee45f6c8eff1d/pyproject.toml) — получено 2026-09-28
7. [PP-DocLayoutV3: карточка компонента layout](https://huggingface.co/PaddlePaddle/PP-DocLayoutV3/blob/7b48a7566925fa464281f930c58eee04fe2c862a/README.md) — получено 2026-09-28
8. [GLM-OCR Technical Report, Duan et al.](https://arxiv.org/abs/2603.10910) — получено 2026-09-28