Mistral OCR 4: Bukan Sekadar OCR Biasa, Ini Pemahaman Dokumen yang Terstruktur

Mistral AI resmi merilis OCR 4 pada 23–24 Juni 2026, mengubah paradigma dari sekadar ekstraksi teks biasa menjadi pemahaman dokumen yang terstruktur. Model ini dirancang sebagai komponen inti untuk pencarian perusahaan, pipeline RAG, dan alur kerja agen, serta hadir bersamaan dengan Mistral Document AI dan Mistral Medium 3.5 di Microsoft Azure AI Foundry .

Kemampuan Utama

Ekstraksi sadar struktur. OCR 4 mengembalikan bounding box tingkat paragraf, label tipe blok (teks, judul, daftar, tabel, gambar, persamaan, keterangan, kode, referensi, teks samping, header, footer, tanda tangan), dan skor kepercayaan per kata . Hasilnya bisa langsung digunakan untuk pelacakan kutipan, redaksi, dan pengelompokan semantik tanpa perlu pemrosesan tambahan .

Parameter API include_blocks. Saat diaktifkan, setiap halaman mengembalikan array blocks dengan label struktural dan koordinat spasial dalam urutan baca .

170 bahasa dalam 10 kelompok bahasa. Mistral melaporkan peningkatan akurasi yang signifikan pada aksara yang lebih jarang dan kurang didukung, termasuk Jepang, Hindi, dan Yunani .

Hosting mandiri dalam satu kontainer. Model ini dapat dijalankan sepenuhnya di server sendiri dalam satu kontainer, menjadi pembeda utama bagi industri yang diatur regulator yang tidak bisa mengirim dokumen ke API eksternal .

Input multimodal dan output terstruktur. OCR 4 menerima PDF dan gambar (dokumen Office melalui konversi) dan menghasilkan output Markdown dan JSON terstruktur, dirancang untuk integrasi dengan pipeline RAG dan agen .

Performa Benchmark

Benchmark	Skor OCR 4	Catatan
OlmOCRBench (papan peringkat publik)	85,20	Duduki puncak papan peringkat saat peluncuran
OmniDocBench	93,07	Kuat di berbagai jenis dokumen
Preferensi manusia (buta, 600+ dokumen, 12+ bahasa)	Rata-rata kemenangan 72%	Annotator independen lebih memilih OCR 4 dibanding sistem OCR pesaing

Mistral juga melaporkan skor kuat pada benchmark internal Crawl Multilingual, meskipun angka pastinya tidak dipublikasikan di sumber yang ditinjau .

Opsi Harga

Tingkat	Harga	Detail
OCR Standar	$4 per 1.000 halaman	Ekstraksi teks dasar
Anotasi (terstruktur)	$5 per 1.000 halaman	Termasuk bounding box, label blok, dan skor kepercayaan

Harga berbasis halaman, bukan token, yang tidak biasa di antara model Mistral lainnya dan mencerminkan kasus penggunaan dokumen dalam jumlah besar.

Konteks Strategis

OCR 4 menandai pergeseran yang disengaja dari "ekstraksi teks" ke "pemahaman dokumen." Model ini diposisikan sebagai lapisan fundamental untuk pencarian perusahaan, pipeline RAG, dan alur kerja agen di mana mempertahankan tata letak dan struktur (tabel, persamaan, tanda tangan) sangat penting . Ini secara langsung menargetkan Google Document AI, Azure Document Intelligence, dan pipeline OCR open-source dengan menggabungkan output terstruktur dengan harga komoditas dan opsi kontainer yang dapat dihosting sendiri—kombinasi yang langka di antara API OCR utama .

Desain satu kontainer menjadi pembeda utama untuk sektor keuangan, kesehatan, dan hukum yang membutuhkan kedaulatan data . Mistral juga telah menjadikan OCR 4 sebagai model pemahaman dokumen default untuk jutaan pengguna di Le Chat .