Mistral OCR 4: Yapay Zeka Artık Belgenin Sadece Metnini Değil, Yapısını da Anlıyor

include_blocks API parametresi. Etkinleştirildiğinde, her sayfa okuma sırasına göre yapısal etiketler ve uzamsal koordinatlar içeren bir blocks dizisi döndürüyor .

10 dil grubunda 170 dil. Mistral, özellikle Japonca, Hintçe ve Yunanca gibi daha az yaygın ve düşük kaynaklı dillerde belirgin doğruluk artışları bildiriyor .

Tek konteynırda şirket içi barındırma. Model, tamamen şirket içinde tek bir konteynırda dağıtılabiliyor. Bu, belgelerini harici API'lere gönderemeyen regüle sektörler için önemli bir farklılaştırıcı .

Çok modlu girdi ve yapılandırılmış çıktı. OCR 4, PDF'leri ve görselleri kabul ediyor (Office belgeleri dönüştürme yoluyla) ve yapılandırılmış Markdown ve JSON çıktısı veriyor; RAG ve ajan tabanlı iş akışlarına entegrasyon için optimize edilmiş .

Kıyaslama Performansı

Mistral ayrıca dahili Crawl Multilingual kıyaslamasında da güçlü skorlar bildiriyor, ancak incelenen kaynaklarda ham sayılar yayınlanmadı .

Fiyatlandırma Seçenekleri

Fiyatlandırma token bazlı değil, sayfa bazındadır. Bu, Mistral'ın diğer modelleri arasında alışılmadık bir durumdur ve belge yığını kullanım senaryosunu yansıtır.

Stratejik Bağlam

OCR 4, bilinçli bir şekilde "metin çıkarma"dan "belge anlamaya" geçişi işaret ediyor. Kurumsal arama, RAG iş akışları ve düzen ile yapının (tablolar, denklemler, imzalar) korunmasının kritik olduğu ajan tabanlı iş akışları için temel bir katman olarak konumlandırılıyor . Doğrudan Google'ın Document AI'sini, Azure Document Intelligence'ı ve açık kaynaklı OCR iş akışlarını hedef alıyor; yapılandırılmış çıktıyı emtia fiyatlandırmasıyla ve kendi kendine barındırılabilir bir konteynır seçeneğiyle birleştiriyor; bu, büyük OCR API'leri arasında nadir görülen bir kombinasyon .

Tek konteynır tasarımı, veri egemenliği gerektiren finans, sağlık ve hukuk sektörleri için kilit bir farklılaştırıcı . Mistral ayrıca OCR 4'ü Le Chat'teki milyonlarca kullanıcı için varsayılan belge anlama modeli haline getirdi .