Mistral AI เปิดตัว OCR 4 โมเดลอ่านเอกสารเจเนอเรชันใหม่ คว้าอันดับ 1 เบนช์มาร์ก พร้อมราคาเริ่มต้น 4 ดอลลาร์ต่อ 1,000 หน้า

นี่คือรายละเอียดที่ตรวจสอบข้อเท็จจริงแล้วของโมเดล Mistral OCR 4 ที่เพิ่งเปิดตัวโดย Mistral AI

คุณสมบัติหลัก (Key Features)

• การดึงข้อมูลที่เข้าใจโครงสร้าง (Structure-aware extraction) — ส่งคืนพิกัดของย่อหน้า (paragraph-level bounding boxes), ป้ายกำกับประเภทบล็อก (block-type labels) เช่น title, text, table, equation, signature เป็นต้น และคะแนนความเชื่อมั่นในระดับคำ (per-word confidence scores) คู่ไปกับข้อความที่ดึงออกมา ไม่ใช่แค่การดัมพ์ข้อความดิบ
• พารามิเตอร์ API include_blocks — เมื่อเปิดใช้งาน แต่ละหน้าจะส่งคืนอาร์เรย์ blocks ที่มีป้ายกำกับโครงสร้างและพิกัดเชิงพื้นที่
• รองรับ 170 ภาษาทั่ว 10 กลุ่มภาษา โดยเฉพาะอย่างยิ่งความแม่นยำที่เพิ่มขึ้นในภาษาที่หายากและภาษาที่มีทรัพยากรน้อย
• รองรับการติดตั้งบนเซิร์ฟเวอร์ขององค์กรเองด้วยคอนเทนเนอร์เดียว — โมเดลสามารถปรับใช้ภายในองค์กรได้ทั้งหมดในคอนเทนเนอร์เดียว เหมาะสำหรับองค์กรที่ต้องการอธิปไตยเหนือข้อมูล (data sovereignty)
• อินพุตแบบมัลติโมดัล — รองรับ PDF และรูปภาพ (เอกสาร Office ผ่านการแปลง) และส่งเอาต์พุตเป็น Markdown และ JSON ที่มีโครงสร้าง ออกแบบมาให้เป็นส่วนประกอบสำหรับไปป์ไลน์ RAG และ Agentic

ประสิทธิภาพในการวัดผล (Benchmark Performance)

เบนช์มาร์ก	คะแนนของ OCR 4	หมายเหตุ
OlmOCRBench (กระดานผู้นำสาธารณะ)	85.20	ขึ้นอันดับ 1 บนกระดานผู้นำตั้งแต่เปิดตัว
OmniDocBench	93.07	ทำผลงานได้ดีเยี่ยมในเอกสารหลากหลายประเภท
ความพึงใจจากมนุษย์ (ทดสอบแบบ blind ด้วยเอกสาร 600+ ชิ้น ใน 12+ ภาษา)	อัตราชนะเฉลี่ย 72%	ผู้ประเมินอิสระเลือก OCR 4 มากกว่าระบบ OCR คู่แข่ง

Mistral ยังรายงานคะแนนที่แข็งแกร่งบนเบนช์มาร์ก Crawl Multilingual ภายในของบริษัท แม้ว่าจะไม่ได้เผยแพร่ตัวเลขดิบในแหล่งที่มาที่ตรวจสอบ

ตัวเลือกราคา (Pricing Options)

ระดับ	ราคา	รายละเอียด
OCR มาตรฐาน (Standard OCR)	4 ดอลลาร์สหรัฐต่อ 1,000 หน้า	การดึงข้อความพื้นฐาน
OCR แบบมีคำอธิบายประกอบ (Annotated/Structured)	5 ดอลลาร์สหรัฐต่อ 1,000 หน้า	รวมถึงพิกัด bounding boxes, ป้ายกำกับบล็อก และคะแนนความเชื่อมั่น

การกำหนดราคาคิดตามจำนวนหน้า (page-based) ไม่ใช่ตามจำนวนโทเค็น ซึ่งแตกต่างจากโมเดลอื่นๆ ของ Mistral และสะท้อนถึงกรณีการใช้งานแบบเป็นชุดเอกสาร

บริบทเชิงกลยุทธ์ (Strategic Context)

• เปิดตัวในวันที่ 23–24 มิถุนายน 2026 พร้อมกับ Mistral Document AI (ผลิตภัณฑ์ไปป์ไลน์แบบ end-to-end ที่ครอบคลุม OCR 4) และ Mistral Medium 3.5 ทั้งหมดพร้อมกันใน Microsoft Azure AI Foundry
• การเปลี่ยนผ่านจาก 'การดึงข้อความ' สู่ 'การทำความเข้าใจเอกสาร' — OCR 4 ถูกวางตำแหน่งให้เป็นเลเยอร์พื้นฐานสำหรับการค้นหาในองค์กร, ไปป์ไลน์ RAG และเวิร์กโฟลว์แบบ Agentic ซึ่งการรักษาเค้าโครงและโครงสร้าง (ตาราง สมการ ลายเซ็น) เป็นสิ่งสำคัญ
• การวางตำแหน่งทางการแข่งขัน — มุ่งเป้าไปที่ Google Document AI, Azure Document Intelligence และไปป์ไลน์ OCR โอเพนซอร์สโดยตรง ด้วยการผสมผสานระหว่างเอาต์พุตที่มีโครงสร้างในราคาสินค้าโภคภัณฑ์ (commodity pricing) กับตัวเลือกการติดตั้งเองที่รองรับคอนเทนเนอร์เดียว ซึ่งหาได้ยากใน API OCR รายใหญ่
• การออกแบบแบบคอนเทนเนอร์เดียว เป็นจุดแตกต่างที่สำคัญสำหรับอุตสาหกรรมที่มีการกำกับดูแลสูง (การเงิน การดูแลสุขภาพ กฎหมาย) ที่ไม่สามารถส่งเอกสารไปยัง API ภายนอกได้