Mistral AI lancerer OCR 4: Ny model forstår dokumenter, ikke bare tekst

Her er den faktatjekkede gennemgang af Mistral AIs nyudgivne OCR 4-model.

Centrale funktioner

• Strukturbevidst udtrækning — Returnerer afsnits-bounding boxes, bloktype-labels (titel, tekst, tabel, ligning, signatur osv.) og konfidensscorer på ordniveau, ikke kun rå tekst .
• include_blocks API-parameter — Når den er aktiveret, returnerer hver side et blocks-array med strukturelle labels og rumlige koordinater .
• 170 sprog på tværs af 10 sproggrupper med særlige forbedringer på sjældnere sprog .
• Self-hosting i en enkelt container — Modellen kan installeres helt on-premises i én enkelt container for organisationer, der har brug for datasuverænitet .
• Multimodal input — Accepterer PDF'er og billeder (Office-dokumenter via konvertering) og udsender struktureret Markdown og JSON, designet som en komponent til RAG og agentiske workflows .

Benchmark-resultater

Benchmark	OCR 4-score	Noter
OlmOCRBench (offentlig leaderboard)	85,20	Toppede leaderboardet ved lancering
OmniDocBench	93,07	Stærk på tværs af forskellige dokumenttyper
Menneskelig præference (blindtest, 600+ dokumenter, 12+ sprog)	72 % gennemsnitlig vinderrate	Uafhængige annotatorer foretrak OCR 4 over konkurrerende OCR-systemer

Mistral rapporterer også stærke resultater på deres interne Crawl Multilingual-benchmark, men de rå tal blev ikke offentliggjort i de gennemgåede kilder .

Prismuligheder

Niveau	Pris	Detaljer
Standard OCR	$4 per 1.000 sider	Basis-tekstudtrækning
Annoteret (struktureret)	$5 per 1.000 sider	Inkluderer bounding boxes, bloklabels og konfidensscorer

Prisen er sidebaseret, ikke tokenbaseret, hvilket er usædvanligt blandt Mistrals andre modeller og afspejler dokumentbatch-anvendelsestilfældet.

Strategisk kontekst

• Lanceret 23.–24. juni 2026 sammen med Mistral Document AI (det end-to-end pipeline-produkt, der indkapsler OCR 4) og Mistral Medium 3.5 – alle lanceret samtidigt i Microsoft Azure AI Foundry .
• Skift fra "tekstudtrækning" til "dokumentforståelse" — OCR 4 er positioneret som et fundamentalt lag til enterprise-søgning, RAG-pipelines og agentiske workflows, hvor bevarelse af layout og struktur (tabeller, ligninger, signaturer) er afgørende .
• Konkurrencepositionering — Retter sig direkte mod Googles Document AI, Azure Document Intelligence og open-source OCR-pipelines ved at kombinere struktureret output til en råvarepris med en self-hostbar container-mulighed, hvilket er sjældent blandt større OCR API'er .
• Single-container-designet er en nøgle-differentiator for regulerede industrier (finans, sundhed, jura), der ikke kan sende dokumenter til eksterne API'er .