Mistral OCR 4: Nowy standard w ekstrakcji dokumentów – szczegółowa analiza

Oto sprawdzona analiza nowego modelu OCR 4 od Mistral AI, oparta na dostępnych źródłach.

Kluczowe funkcje

• Ekstrakcja świadoma struktury – Model zwraca ramki na poziomie akapitów, etykiety typów bloków (tytuł, tekst, tabela, równanie, podpis itp.) oraz wskaźniki pewności dla każdego słowa. To nie jest zwykły zrzut tekstu .
• Parametr API include_blocks – Po włączeniu każda strona zwraca tablicę blocks z etykietami strukturalnymi i współrzędnymi przestrzennymi .
• 170 języków w 10 grupach językowych – Szczególne poprawy dokładności w przypadku języków rzadkich i słabo zasobnych .
• Wdrożenie lokalne w jednym kontenerze – Model można w pełni uruchomić na własnej infrastrukturze, co jest kluczowe dla organizacji wymagających suwerenności danych .
• Wejście multimodalne – Przyjmuje pliki PDF i obrazy (dokumenty Office po konwersji), zwraca ustrukturyzowany Markdown i JSON. Zaprojektowany jako komponent do systemów RAG i potoków agentowych .

Wyniki benchmarków

Benchmark	Wynik OCR 4	Uwagi
OlmOCRBench (publiczna lista liderów)	85,20	Model objął prowadzenie na liście liderów w momencie premiery
OmniDocBench	93,07	Silne wyniki w różnych typach dokumentów
Preferencje ludzkie (ślepa próba, 600+ dokumentów, 12+ języków)	Średnio 72% wygranych	Niezależni recenzenci preferowali OCR 4 w porównaniach z innymi systemami OCR

Mistral AI informuje również o wysokich wynikach w wewnętrznym teście Crawl Multilingual, choć dokładne liczby nie zostały opublikowane w przeanalizowanych źródłach .

Opcje cenowe

Poziom	Cena	Szczegóły
Standardowy OCR	4 USD za 1000 stron	Podstawowa ekstrakcja tekstu
OCR z adnotacjami (strukturalny)	5 USD za 1000 stron	Obejmuje ramki, etykiety bloków i wskaźniki pewności

Cennik oparty jest na liczbie stron, a nie tokenów, co jest nietypowe w przypadku innych modeli Mistral i odzwierciedla zastosowanie w przypadku przetwarzania partii dokumentów.

Kontekst strategiczny

• Premiera 23–24 czerwca 2026 – Model został zaprezentowany wraz z Mistral Document AI (kompleksową platformą do analizy dokumentów) oraz Mistral Medium 3.5, a wszystko to trafiło do Microsoft Azure AI Foundry .
• Przejście od „ekstrakcji tekstu” do „rozumienia dokumentów” – OCR 4 jest pozycjonowany jako podstawowa warstwa dla wyszukiwania korporacyjnego, potoków RAG i przepływów agentowych, gdzie kluczowe jest zachowanie układu i struktury (tabele, równania, podpisy) .
• Pozycjonowanie konkurencyjne – Model bezpośrednio konkuruje z Google Document AI, Azure Document Intelligence i otwartoźródłowymi rozwiązaniami OCR, łącząc ustrukturyzowane wyniki w przystępnej cenie z opcją wdrożenia lokalnego w kontenerze – co jest rzadkością wśród głównych API OCR .
• Konstrukcja jednego kontenera wyróżnia model w branżach regulowanych (finanse, ochrona zdrowia, prawo), które nie mogą przesyłać dokumentów do zewnętrznych API .