즈푸AI, 0.9B 초경량 문서 인식 모델 'GLM-OCR' 오픈소스 공개

즈푸AI가 선보인 GLM-OCR은 복잡한 문서를 전문적으로 파싱하는 0.9B 크기의 초경량 멀티모달 모델입니다. 이미지나 PDF 문서를 읽어내 정돈된 마크다운이나 구조화된 JSON 데이터로 빠르게 변환해 줍니다.

MIT 라이선스로 완전 오픈소스화되었으며, Ollama, vLLM, SGLang 등 주요 추론 프레임워크를 지원해 로컬 환경에서도 쉽게 구동할 수 있습니다.

어떤 기능을 제공하나

GLM-OCR은 기존 OCR 솔루션들이 자주 실패하던 까다로운 레이아웃을 처리하는 데 최적화되어 있습니다. 복잡한 소스 코드 문서, 병합 셀이 많은 표, 손글씨 편지, 복잡한 수학 공식까지 정확하게 인식해 편집 가능한 텍스트로 복원합니다.

표 이미지를 입력하면 단순 텍스트 뭉치가 아니라 구조를 온전히 유지한 HTML 테이블 형태로 출력해 엑셀이나 웹에 곧바로 붙여넣을 수 있습니다.

영수증, 청구서, 각종 증명서 같은 서식 이미지에서는 필요한 핵심 정보를 추출해 지정된 JSON 규격으로 반환합니다. 입력은 단일 이미지 최대 10MB, PDF는 최대 50MB 및 100페이지까지 지원하며, 한국어, 영어, 중국어, 일본어 등 다국어 문서를 폭넓게 처리합니다.

성능 및 로컬 배포 환경

GLM-OCR은 GLM-V 아키텍처와 즈푸AI의 독자적인 CogViT 비전 인코더를 기반으로 제작되어 극단적인 경량화와 정밀도를 동시에 달성했습니다.

문서 파싱 공인 벤치마크인 OmniDocBench V1.5에서 94.62점을 기록하며 1위에 올랐습니다. 바이두의 Paddle-OCR-VL 등 기존 전문 모델들을 제쳤을 뿐만 아니라, 텍스트, 공식, 표, 정보 추출 전반에서 대형 멀티모달 모델인 Gemini-3-Pro에 근접하는 인식률을 보였습니다.

처리 속도 역시 뛰어납니다. 동일 조건 테스트에서 PDF 문서는 초당 1.86페이지, 단일 이미지는 초당 0.67장을 처리하는 높은 처리량을 보였습니다. 클라우드 API 가격 또한 입력과 출력 모두 100만 토큰당 0.03달러로 매우 저렴합니다.

로컬 배포의 경우 Ollama나 vLLM을 활용하면 일반 PC나 온프레미스 단일 GPU 환경에서도 매우 낮은 지연 시간으로 즉시 돌릴 수 있습니다.

왜 중요한가

로컬 RAG 파이프라인을 구축 중인 개발자나 대량의 계약서와 영수증을 처리해야 하는 엔지니어라면 지금 당장 도입을 검토해 볼 가치가 충분합니다. 지금까지 복잡한 서식을 정확하게 파싱하려면 비싼 상용 거대 비전 모델 API를 쓰거나 여러 도구를 복잡하게 이어 붙여야 했습니다. GLM-OCR은 0.9B라는 작은 크기로 이를 로컬에서 가볍게 해결해 주며, 상용 제한이 없는 MIT 라이선스 덕분에 오픈소스 문서 처리 생태계의 핵심 도구로 자리잡을 것으로 보입니다.