Hovedfunksjoner

Strukturbevisst ekstraksjon. OCR 4 returnerer avsnittsbaserte koordinater (bounding boxes), blokketiketter (tekst, tittel, liste, tabell, bilde, ligning, bildetekst, kode, referanser, sidetekst, topptekst, bunntekst, signatur) og konfidensskårer per ord . Dette gjør resultatene direkte anvendelige for kildehenvisning, redigering og semantisk oppdeling uten etterbehandling .

include_blocks-parameter i API-et. Når denne er aktivert, returnerer hver side en blocks-liste med strukturelle etiketter og romlige koordinater i leserekkefølge .

170 språk fordelt på 10 språkgrupper. Mistral rapporterer særlig fremgang på sjeldnere og mindre utbredte skriftspråk, inkludert japansk, hindi og gresk .

Selvhosting i én container. Modellen kan kjøres fullstendig på egne servere i én enkelt container – en nøkkelfunksjon for regulerte bransjer som ikke kan sende dokumenter til eksterne API-er .

Multimodal inndata og strukturert utdata. OCR 4 tar imot PDF-er og bilder (Office-dokumenter via konvertering) og leverer strukturert Markdown og JSON, designet for integrasjon med RAG- og agentiske pipelines .

Benchmark-resultater

Mistral rapporterer også gode resultater på sin interne Crawl Multilingual-test, men rådataene er ikke offentliggjort .

Priser

Prisen er per side, ikke per token, noe som er uvanlig for Mistrals øvrige modeller og gjenspeiler bruksområdet som dokumentbehandling i batcher.

Strategisk kontekst

OCR 4 er et bevisst skifte fra «teksteksrahering» til «dokumentforståelse». Modellen er posisjonert som et grunnlag for bedriftssøk, RAG-pipelines og agentiske arbeidsflyter der det er kritisk å bevare layout og struktur (tabeller, ligninger, signaturer) . Den utfordrer direkte Google Document AI, Azure Document Intelligence og åpne OCR-pipelines ved å kombinere strukturert utdata, fordelaktig pris og en selvhostbar container – en sjelden kombinasjon blant større OCR-API-er .

Designet med én container er en avgjørende forskjell for finans-, helse- og juridisk sektor, som stiller krav til datasuverenitet . Mistral har også gjort OCR 4 til standard modell for dokumentforståelse for millioner av brukere på Le Chat .

Hovedfunksjoner

Strukturbevisst ekstraksjon. OCR 4 returnerer avsnittsbaserte koordinater (bounding boxes), blokketiketter (tekst, tittel, liste, tabell, bilde, ligning, bildetekst, kode, referanser, sidetekst, topptekst, bunntekst, signatur) og konfidensskårer per ord . Dette gjør resultatene direkte anvendelige for kildehenvisning, redigering og semantisk oppdeling uten etterbehandling .

include_blocks-parameter i API-et. Når denne er aktivert, returnerer hver side en blocks-liste med strukturelle etiketter og romlige koordinater i leserekkefølge .

170 språk fordelt på 10 språkgrupper. Mistral rapporterer særlig fremgang på sjeldnere og mindre utbredte skriftspråk, inkludert japansk, hindi og gresk .

Selvhosting i én container. Modellen kan kjøres fullstendig på egne servere i én enkelt container – en nøkkelfunksjon for regulerte bransjer som ikke kan sende dokumenter til eksterne API-er .

Multimodal inndata og strukturert utdata. OCR 4 tar imot PDF-er og bilder (Office-dokumenter via konvertering) og leverer strukturert Markdown og JSON, designet for integrasjon med RAG- og agentiske pipelines .

Benchmark-resultater

Mistral rapporterer også gode resultater på sin interne Crawl Multilingual-test, men rådataene er ikke offentliggjort .

Priser

Prisen er per side, ikke per token, noe som er uvanlig for Mistrals øvrige modeller og gjenspeiler bruksområdet som dokumentbehandling i batcher.

Strategisk kontekst

OCR 4 er et bevisst skifte fra «teksteksrahering» til «dokumentforståelse». Modellen er posisjonert som et grunnlag for bedriftssøk, RAG-pipelines og agentiske arbeidsflyter der det er kritisk å bevare layout og struktur (tabeller, ligninger, signaturer) . Den utfordrer direkte Google Document AI, Azure Document Intelligence og åpne OCR-pipelines ved å kombinere strukturert utdata, fordelaktig pris og en selvhostbar container – en sjelden kombinasjon blant større OCR-API-er .

Designet med én container er en avgjørende forskjell for finans-, helse- og juridisk sektor, som stiller krav til datasuverenitet . Mistral har også gjort OCR 4 til standard modell for dokumentforståelse for millioner av brukere på Le Chat .