2月3日，智譜正式發布并開源GLM-OCR。
據介紹，該模型僅0.9B參數規模，支持vLLM、SGLang和Ollama部署，顯著降低推理延遲與算力開銷，適合高并發與邊緣部署。
據介紹，該模型僅0.9B參數規模，支持vLLM、SGLang和Ollama部署，顯著降低推理延遲與算力開銷，適合高并發與邊緣部署。
官方表示，在訓練策略方面，GLM-OCR率先將多Tokens預測損失（MTP）引入OCR模型訓練過程，以增強損失信號密度并提升模型學習效率。
ITBear旗下自媒體矩陣：
2月3日，智譜正式發布并開源GLM-OCR。
據介紹，該模型僅0.9B參數規模，支持vLLM、SGLang和Ollama部署，顯著降低推理延遲與算力開銷，適合高并發與邊緣部署。
據介紹，該模型僅0.9B參數規模，支持vLLM、SGLang和Ollama部署，顯著降低推理延遲與算力開銷，適合高并發與邊緣部署。
官方表示，在訓練策略方面，GLM-OCR率先將多Tokens預測損失（MTP）引入OCR模型訓練過程，以增強損失信號密度并提升模型學習效率。
