Mistral OCR 4: Pertarungan Baru dalam Pemahaman Dokumen Berstruktur – Lebih Dari Sekadar OCR Biasa

Mistral AI telah melancarkan OCR 4 pada 23-24 Jun 2026, satu model yang mengubah pendekatan pengecaman aksara optik (OCR) daripada sekadar pengekstrakan teks biasa kepada pemahaman dokumen berstruktur. Model ini direka sebagai komponen asas untuk carian perusahaan, saluran RAG (Retrieval-Augmented Generation) dan aliran kerja ejen AI. Ia turut dilancarkan bersama Mistral Document AI dan Mistral Medium 3.5 di Microsoft Azure AI Foundry .

Ciri-Ciri Utama

Pengekstrakan sedar struktur. OCR 4 mengembalikan kotak sempadan (bounding boxes) pada tahap perenggan, label jenis blok (teks, tajuk, senarai, jadual, imej, persamaan, kapsyen, kod, rujukan, teks sampingan, pengepala, pengaki, tandatangan), dan skor keyakinan bagi setiap perkataan bersama-sama teks yang diekstrak . Ini membolehkan output terus digunakan untuk penjejakan petikan, penyuntingan dan pemotongan semantik tanpa perlu pemprosesan tambahan .

Parameter API include_blocks. Apabila diaktifkan, setiap halaman akan memulangkan tatasusunan blocks dengan label struktur dan koordinat ruangan mengikut urutan bacaan .

170 bahasa merentasi 10 kumpulan bahasa. Mistral melaporkan peningkatan ketepatan yang ketara pada skrip yang jarang digunakan dan kurang sumber, termasuk bahasa Jepun, Hindi dan Greek .

Hosting sendiri dalam satu bekas (single-container). Model ini boleh digunakan sepenuhnya di premis dalam satu bekas, satu pembeza utama untuk industri terkawal yang tidak boleh menghantar dokumen ke API luaran .

Input multimodal dan output berstruktur. OCR 4 menerima PDF dan imej (dokumen Office melalui penukaran) dan mengeluarkan output dalam format Markdown dan JSON berstruktur, direka untuk integrasi dengan saluran RAG dan ejen AI .

Prestasi Penandaarasan

Penanda Aras	Skor OCR 4	Nota
OlmOCRBench (papan pendahulu awam)	85.20	Menduduki tangga teratas semasa pelancaran
OmniDocBench	93.07	Kukuh merentasi pelbagai jenis dokumen
Keutamaan manusia (buta, 600+ dokumen, 12+ bahasa)	Kadar kemenangan purata 72%	Pemberi anotasi bebas lebih memilih OCR 4 berbanding sistem OCR pesaing

Mistral juga melaporkan skor kukuh pada penandaarasan dalaman Crawl Multilingual, walaupun angka mentah tidak diterbitkan dalam sumber yang dikaji .

Pilihan Harga

Tahap	Harga	Butiran
OCR Standard	AS$4 untuk setiap 1,000 halaman	Pengekstrakan teks asas
Beranotasi (berstruktur)	AS$5 untuk setiap 1,000 halaman	Termasuk kotak sempadan, label blok dan skor keyakinan

Harga adalah berdasarkan halaman, bukan token, yang luar biasa di kalangan model Mistral yang lain dan mencerminkan penggunaan kelompok dokumen.

Konteks Strategik

OCR 4 menandakan peralihan yang disengajakan daripada "pengekstrakan teks" kepada "pemahaman dokumen." Ia diposisikan sebagai lapisan asas untuk carian perusahaan, saluran RAG dan aliran kerja ejen AI di mana pemeliharaan susun atur dan struktur (jadual, persamaan, tandatangan) adalah kritikal . Ia secara langsung menyasarkan Google Document AI, Azure Document Intelligence dan saluran OCR sumber terbuka dengan menggabungkan output berstruktur pada harga komoditi dengan pilihan bekas yang boleh dihoskan sendiri – kombinasi yang jarang berlaku di kalangan API OCR utama .

Reka bentuk satu bekas adalah pembeza utama untuk sektor kewangan, penjagaan kesihatan dan perundangan yang memerlukan kedaulatan data . Mistral juga telah menjadikan OCR 4 sebagai model pemahaman dokumen lalai untuk berjuta-juta pengguna di Le Chat .