Mistral OCR 4 – rewolucja w rozumieniu dokumentów

Firma Mistral AI udostępniła 23–24 czerwca 2026 r. model OCR 4, który przechodzi od zwykłej ekstrakcji tekstu do strukturalnego rozumienia dokumentów. Model został zaprojektowany jako komponent pozyskiwania danych dla wyszukiwania korporacyjnego, potoków RAG i przepływów pracy agentów. Trafił on na rynek wraz z Mistral Document AI i Mistral Medium 3.5 w ramach platformy Microsoft Azure AI Foundry .

Kluczowe funkcje

Ekstrakcja świadoma struktury. OCR 4 zwraca obwiednie na poziomie akapitów, etykiety typów bloków (tekst, tytuł, lista, tabela, obraz, równanie, podpis, kod, odniesienia, tekst_boczny, nagłówek, stopka, podpis) oraz wyniki ufności dla poszczególnych słów wraz z wyodrębnionym tekstem . Dzięki temu wyniki można bezpośrednio wykorzystać do śledzenia cytatów, redagowania i semantycznego dzielenia na fragmenty bez konieczności dalszej obróbki .

Parametr API include_blocks. Po jego włączeniu każda strona zwraca tablicę blocks z etykietami strukturalnymi i współrzędnymi przestrzennymi w kolejności czytania .

170 języków w 10 grupach językowych. Firma Mistral raportuje szczególną poprawę dokładności w przypadku rzadszych i gorzej udokumentowanych pism, w tym japońskiego, hindi i greckiego .

Samodzielne hostowanie w jednym kontenerze. Model można wdrożyć w całości lokalnie w jednym kontenerze, co stanowi kluczową zaletę dla branż regulowanych, które nie mogą wysyłać dokumentów do zewnętrznych interfejsów API .

Wejście multimodalne i ustrukturyzowane wyjście. OCR 4 akceptuje pliki PDF i obrazy (dokumenty Office po konwersji) i generuje ustrukturyzowany język Markdown i JSON, przeznaczony do integracji z potokami RAG i agentami .

Wyniki benchmarków

Benchmark	Wynik OCR 4	Uwagi
OlmOCRBench (publiczny ranking)	85,20	Najlepszy wynik w momencie premiery
OmniDocBench	93,07	Wysoki wynik w różnych typach dokumentów
Preferencje użytkowników (ślepa próba, 600+ dokumentów, 12+ języków)	Średnia wygrana 72%	Niezależni oceniający preferowali OCR 4 w porównaniu z konkurencyjnymi systemami OCR

Firma Mistral podaje również dobre wyniki w swoim wewnętrznym teście Crawl Multilingual, choć w przeanalizowanych źródłach nie opublikowano konkretnych liczb .

Opcje cenowe

Poziom	Cena	Szczegóły
Standardowy OCR	4 USD za 1000 stron	Podstawowa ekstrakcja tekstu
Adnotowany (strukturalny)	5 USD za 1000 stron	Obejmuje obwiednie, etykiety bloków i wyniki ufności

Cennik oparty jest na liczbie stron, a nie tokenów, co jest nietypowe wśród innych modeli Mistral i odzwierciedla przypadek użycia wsadowego przetwarzania dokumentów.

Kontekst strategiczny

OCR 4 oznacza celowe przejście od „ekstrakcji tekstu” do „rozumienia dokumentu”. Jest pozycjonowany jako podstawowa warstwa dla wyszukiwania korporacyjnego, potoków RAG i przepływów pracy agentów, gdzie kluczowe jest zachowanie układu i struktury (tabele, równania, podpisy) . Bezpośrednio konkuruje z Google Document AI, Azure Document Intelligence i otwartoźródłowymi potokami OCR, łącząc ustrukturyzowane wyjście w przystępnej cenie z opcją samodzielnego hostowania — co jest rzadkim połączeniem wśród głównych interfejsów API OCR .

Konstrukcja jednego kontenera to kluczowa zaleta dla sektorów finansów, opieki zdrowotnej i prawnego, które wymagają suwerenności danych . Firma Mistral uczyniła również OCR 4 domyślnym modelem rozumienia dokumentów dla milionów użytkowników na platformie Le Chat .