Mistral AI:n OCR 4 -malli: huipputarkka dokumenttien käsittely, 170 kielen tuki ja edullinen hinnoittelu

Tässä on faktapohjainen katsaus Mistral AI:n uuteen OCR 4 -malliin.

Keskeiset ominaisuudet

• Rakennetietoinen tiedonpurku – Palauttaa kappaletason rajauslaatikot, lohkotyypit (otsikko, teksti, taulukko, yhtälö, allekirjoitus jne.) ja sanakohtaiset luottamusluvut pelkän raakatekstin sijaan.
• include_blocks API-parametri – Kun käytössä, jokaiselle sivulle palautetaan blocks-taulukko, jossa on rakenteelliset tunnisteet ja spatiaaliset koordinaatit.
• 170 kieltä kymmenessä kieliryhmässä – Erityinen tarkkuusparannus harvinaisissa ja vähemmän resurssoiduissa kielissä.
• Yhden kontin omalle palvelimelle asennus – Malli voidaan asentaa täysin omalle palvelimelle yhdessä kontissa yrityksille, jotka tarvitsevat tietosuvereniteettia.
• Monimuotoinen syöte – Hyväksyy PDF-tiedostoja ja kuvia (Office-dokumentit konversion kautta), tuottaa jäsenneltyä Markdownia ja JSONia, ja on suunniteltu RAG- ja agenttiputkien syötekomponentiksi.

Vertailutestien tulokset

Vertailutesti	OCR 4 -pistemäärä	Huomautuksia
OlmOCRBench (julkinen lista)	85,20	Julkaisun kärkisija
OmniDocBench	93,07	Vahva suoritus eri dokumenttityypeillä
Ihmisaisti (sokkotesti, yli 600 dokumenttia, yli 12 kieltä)	72 % keskimääräinen voittoprosentti	Riippumattomat arvioijat suosivat OCR 4:ää kilpailijoihin verrattuna

Mistral raportoi myös vahvoja tuloksia sisäisessä Crawl Multilingual -vertailutestissään, mutta tarkkoja lukuja ei julkaistu käytetyissä lähteissä .

Hinnoitteluvaihtoehdot

Taso	Hinta	Yksityiskohdat
Normaali OCR	4 dollaria / 1 000 sivua	Perustason tekstinerotus
Annotoitu (rakenteellinen)	5 dollaria / 1 000 sivua	Sisältää rajauslaatikot, lohkotyypit ja luottamusluvut

Hinnoittelu on sivupohjainen, ei token-pohjainen, mikä on epätavallista Mistralin muiden mallien joukossa ja kuvastaa dokumenttieräkäyttöä.

Strateginen konteksti

• Julkaistu 23.–24. kesäkuuta 2026 yhdessä Mistral Document AI -tuotteen (joka käärii OCR 4:n) ja Mistral Medium 3.5 -mallin kanssa, kaikki samanaikaisesti saatavilla Microsoft Azure AI Foundry -alustalla.
• Siirtymä "tekstinerotuksesta" "dokumenttien ymmärtämiseen" – OCR 4 on sijoitettu perustavanlaatuiseksi kerrokseksi yrityshakuun, RAG-putkiin ja agenttityönkulkuihin, joissa layoutin ja rakenteen (taulukot, yhtälöt, allekirjoitukset) säilyttäminen on kriittistä.
• Kilpailuasema – Suoraan kilpailee Google Document AI:n, Azure Document Intelligencen ja avoimen lähdekoodin OCR-putkien kanssa yhdistämällä strukturoidut tulosteet hyödykkeisiin hinnoitteluun ja omalle palvelimelle asennettavaan konttiin, mikä on harvinaista suurten OCR-API-toimijoiden joukossa.
• Yhden kontin suunnittelu on keskeinen erottava tekijä säännellyille toimialoille (rahoitus, terveydenhuolto, juridiikka), jotka eivät voi lähettää dokumentteja ulkoisille API-palveluille.