Mistral OCR 4: คู่มือครบวงจรสู่การทำความเข้าใจเอกสารเชิงโครงสร้าง

รองรับ 170 ภาษาใน 10 กลุ่มภาษา Mistral รายงานว่ามีความแม่นยำเพิ่มขึ้นเป็นพิเศษสำหรับภาษาที่มีทรัพยากรน้อย เช่น ญี่ปุ่น ฮินดี และกรีก

โฮสต์เองในคอนเทนเนอร์เดียว โมเดลสามารถปรับใช้ภายในองค์กรได้ทั้งหมดในคอนเทนเนอร์เดียว เป็นจุดแตกต่างสำคัญสำหรับอุตสาหกรรมที่มีกฎระเบียบซึ่งไม่สามารถส่งเอกสารไปยัง API ภายนอกได้

อินพุตหลายรูปแบบและเอาต์พุตเชิงโครงสร้าง OCR 4 รองรับไฟล์ PDF และรูปภาพ (เอกสาร Office ผ่านการแปลง) และส่งออก Markdown และ JSON แบบมีโครงสร้าง ออกแบบมาเพื่อบูรณาการกับ RAG และ agentic pipelines

ประสิทธิภาพบนเกณฑ์มาตรฐาน

Mistral ยังรายงานคะแนนที่แข็งแกร่งในเกณฑ์มาตรฐานภายในองค์กร Crawl Multilingual แม้จะไม่ได้เผยแพร่ตัวเลขดิบในแหล่งที่มาตรวจสอบ

ตัวเลือกราคา

ราคาคิดตามจำนวนหน้า ไม่ใช่ตามจำนวนโทเคน ซึ่งถือว่าแตกต่างจากโมเดลอื่นของ Mistral และสะท้อนถึงกรณีการใช้งานแบบประมวลผลเอกสารเป็นชุด

บริบทเชิงกลยุทธ์

OCR 4 เป็นการเปลี่ยนแปลงอย่างตั้งใจจาก "การสกัดข้อความ" ไปสู่ "การทำความเข้าใจเอกสาร" โดยวางตำแหน่งเป็นเลเยอร์พื้นฐานสำหรับการค้นหาในองค์กร, RAG pipelines และเวิร์กโฟลว์แบบอัตโนมัติ ซึ่งการรักษาเลย์เอาต์และโครงสร้าง (ตาราง, สมการ, ลายเซ็น) มีความสำคัญ มันเข้าปะทะโดยตรงกับ Google Document AI, Azure Document Intelligence และ OCR pipeline โอเพนซอร์ส ด้วยการผสมผสานระหว่างเอาต์พุตที่มีโครงสร้างในราคาทั่วไปกับตัวเลือกคอนเทนเนอร์ที่โฮสต์เองได้ ซึ่งเป็นการผสมผสานที่หาได้ยากใน API OCR รายใหญ่

การออกแบบแบบคอนเทนเนอร์เดียวเป็นจุดแตกต่างสำคัญสำหรับภาคการเงิน การดูแลสุขภาพ และกฎหมายที่ต้องการความเป็นอธิปไตยของข้อมูล Mistral ยังทำให้ OCR 4 เป็นโมเดลทำความเข้าใจเอกสารเริ่มต้นสำหรับผู้ใช้หลายล้านคนบน Le Chat