Mistral OCR 4: Fra tekstgenkendelse til intelligent dokumentforståelse

Mistral AI udgav OCR 4 den 23.–24. juni 2026 og markerede et skift fra ren tekstudtræk til struktureret dokumentforståelse. Modellen er designet som en indtagskomponent til virksomhedssøgning, RAG-pipelines og agentiske arbejdsgange, og den lanceres samtidig med Mistral Document AI og Mistral Medium 3.5 i Microsoft Azure AI Foundry .

Centrale funktioner

Strukturbevidst udtrækning. OCR 4 returnerer afsnits-nøjagtige afgrænsningsbokse, bloktype-etiketter (tekst, titel, liste, tabel, billede, ligning, billedtekst, kode, referencer, sidetekst, header, footer, signatur) samt tillidsscorer på ordniveau ved siden af den udtrukne tekst . Dette gør output direkte anvendeligt til citationssporing, redigering og semantisk opdeling uden efterbehandling .

include_blocks API-parameter. Når den aktiveres, returnerer hver side en blocks-matrix med strukturelle etiketter og rumlige koordinater i læserækkefølge .

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

Benchmark	OCR 4-score	Noter
OlmOCRBench (offentlig ledertavle)	85,20	Toppede ledertavlen ved lanceringen
OmniDocBench	93,07	Stærk på tværs af forskellige dokumenttyper
Menneskelig præference (blind, 600+ dokumenter, 12+ sprog)	72 % gennemsnitlig vindrate	Uafhængige bedømmere foretrak OCR 4 frem for 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 .

Priser

Niveau	Pris	Detaljer
Standard OCR	4 dollars per 1.000 sider	Grundlæggende tekstudtrækning
Annoteret (struktureret)	5 dollars per 1.000 sider	Inkluderer afgrænsningsbokse, bloketiketter og tillidsscorer

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 .