Mistral OCR 4：日本語対応の次世代文書認識モデル、構造化出力とセルフホスティングで企業向け文書パイプラインを革新

Mistral AIは2026年6月23〜24日、文書認識モデル「Mistral OCR 4」をリリースしました。従来のOCRが単なるプレーンテキスト抽出だったのに対し、OCR 4は文書の「構造」を理解し、AIや検索システムが直接扱える形式で出力する点が最大の特徴です。

主な機能：文書の「構造」を読み解く

構造認識抽出（Structure-aware extraction）：OCR 4は抽出テキストに加えて、以下の情報を返します。

• 段落単位のバウンディングボックス（文字やブロックの位置情報）
• ブロックタイプラベル（14種類：text, title, list, table, image, equation, caption, code, references, aside_text, header, footer, signature）
• 信頼度スコア（ページ単位および単語単位）

include_blocks APIパラメータ：このパラメータを有効にすると、各ページのblocks配列に構造ラベルと空間座標が読み順で返されます。

170言語対応：10の言語グループに分類。特に日本語、ヒンディー語、ギリシャ語など、多くのOCRシステムで精度が落ちやすい「特殊言語カテゴリ」や低リソース言語でも改善が見られるとMistral AIは説明しています。

単一コンテナでのセルフホスティング：モデル全体を1つのコンテナに収め、完全にオンプレミスでデプロイ可能。データを外部APIに送信できない金融、医療、法務などの規制業界にとって大きな差別化ポイントです。

マルチモーダル入力・構造化出力：PDFや画像を入力として受け付け、構造化されたMarkdownやJSONを出力。RAG（検索拡張生成）やエージェント型ワークフローとの統合に最適化されています。

ベンチマーク性能

ベンチマーク	OCR 4 スコア	備考
OlmOCRBench（公開リーダーボード）	85.20	リリース時点でトップ
OmniDocBench	93.07	多様な文書タイプで高スコア
人間評価（ブラインド、600以上の文書、12言語以上）	平均72%の勝率	独立した評価者が競合OCRと比較して選好

Mistral AIは内部ベンチマーク「Crawl Multilingual」でも高いスコアを報告していますが、今回のソースでは具体的な数値は公開されていません。

価格体系

プラン	価格	詳細
標準OCR	1,000ページあたり4ドル	基本テキスト抽出
構造化アノテーション付き	1,000ページあたり5ドル	バウンディングボックス、ブロックラベル、信頼度スコア付き

価格はトークン単位ではなくページ単位で設定されており、これはMistralの他のモデルでは珍しく、文書バッチ処理のユースケースを反映しています。

戦略的意義：なぜ今、OCR 4なのか

OCR 4のリリースは、Mistral AIにとって「テキスト抽出」から「文書理解」への明確な戦略転換を示しています。同社はOCR 4を、エンタープライズ検索、RAGパイプライン、エージェント型ワークフローのための基礎レイヤーとして位置づけています。

競合としては、GoogleのDocument AI、Azure Document Intelligence、そしてオープンソースのOCRパイプラインを直接ターゲット。構造化出力をコモディティ価格で提供しつつ、セルフホスティング対応という、主要OCR APIの中では稀有な組み合わせを実現しています。

単一コンテナ設計は、データ主権が求められる規制産業（金融、医療、法務）での導入を後押しします。

また、Mistral AIのチャットサービス「Le Chat」では、OCR 4が数百万ユーザーのデフォルト文書理解モデルとして既に採用されています。