Mistral OCR 4: Fra tekstgenkendelse til intelligent dokumentforståelse

170 sprog på tværs af 10 sproggrupper. Mistral rapporterer særlige præcisionsforbedringer på sjældnere og mindre ressourcestærke skriftsprog, herunder japansk, hindi og græsk .

Selvhost i én container. Modellen kan implementeres fuldstændigt on-premises i én enkelt container – en vigtig differentieringsfaktor for regulerede brancher, der ikke kan sende dokumenter til eksterne API'er .

Multimodal input og struktureret output. OCR 4 accepterer PDF'er og billeder (Office-dokumenter via konvertering) og leverer struktureret Markdown og JSON, optimeret til integration med RAG- og agentiske pipelines .

Benchmark-præstation

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

Priser

Priserne er sidebaserede, ikke token-baserede, hvilket er usædvanligt blandt Mistrals andre modeller og afspejler dokument-batch-anvendelsestilfældet.

Strategisk kontekst

OCR 4 markerer et bevidst skift fra ”tekstudtrækning” til ”dokumentforståelse.” Det positioneres som et grundlæggende lag til virksomhedssøgning, RAG-pipelines og agentiske arbejdsgange, hvor det er afgørende at bevare layout og struktur (tabeller, ligninger, signaturer) . Det retter sig direkte mod Googles Document AI, Azure Document Intelligence og open source-OCR-pipelines ved at kombinere struktureret output til råvarepriser med en selvhostbar containermulighed – en sjælden kombination blandt store OCR-API'er .

Designet med én container er en vigtig differentieringsfaktor for finans-, sundheds- og legalbrancher, der kræver datasuverænitet . Mistral har også gjort OCR 4 til standardmodellen for dokumentforståelse på tværs af millioner af brugere på Le Chat .