开源动态7

智普GLM-OCR 0.9B杀入OCR市场

CourseAI2026-02-04

AI 摘要

智普入局OCR，推出GLM-OCR 0.9B。它采用三级架构和两阶段流水线，有训练机制创新，能处理文本识别等任务，在复杂场景表现佳，提升了文档处理效率。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

Claude无需越狱就能操作iPhone

LLM操作手机以往方案有局限，phone - harness利用macOS Sequoia的iPhone镜像功能，通过截取镜像窗口、注入操作、截屏验证实现Claude操作iPhone，还介绍安装步骤、踩坑及已知限制。

处理PDF时，若全用OCR成本和延迟会增加，直接提取文本又易遇乱序、乱码等问题。Firecrawl开源的pdf - inspector工具能智能区分扫描版和文本版PDF，按需使用OCR，精准处理。

GitHub上的项目codex-vision-proxy让接进Codex的DeepSeek能看图，不用换模型或等官方，装本地代理即可。它还附带视觉工具包，在智能文档解析和OCR上潜力大，证明多模态能力可长在管道上。

百度开源的Unlimited - OCR项目目标是处理图片、长文档等资料，将其转化为Markdown等结构化结果。它提供多入口，解决传统OCR处理长文档的问题，有多种应用方向，但也有边界。