Mistral OCR 4: Повний гід зі структурованого розуміння документів

Mistral AI випустила OCR 4 23–24 червня 2026 року, здійснивши перехід від простого вилучення тексту до структурованого розуміння документів. Модель позиціонується як компонент для корпоративного пошуку, RAG-конвеєрів та агентних робочих процесів і з’явилася одночасно з Mistral Document AI та Mistral Medium 3.5 у Microsoft Azure AI Foundry .

Ключові функції

Видобування з урахуванням структури. OCR 4 повертає межі абзаців (bounding boxes), мітки типів блоків (текст, заголовок, список, таблиця, зображення, рівняння, підпис, код, посилання, бічний текст, колонтитул, нижній колонтитул, підпис) та показники впевненості для кожного слова разом із вилученим текстом . Це робить вихідні дані безпосередньо придатними для відстеження цитат, редагування та семантичного розбиття без постобробки .

Параметр API include_blocks. Увімкнувши його, кожна сторінка повертає масив blocks із структурними мітками та просторовими координатами в порядку читання .

170 мов у 10 мовних групах. Mistral повідомляє про особливе підвищення точності для рідкісних і менш поширених шрифтів, зокрема японської, гінді та грецької .

Локальне розгортання в одному контейнері. Модель можна повністю розгорнути локально в одному контейнері — ключова відмінність для регульованих галузей, які не можуть надсилати документи до зовнішніх API .

Мультимодальний ввід і структурований вивід. OCR 4 приймає PDF та зображення (документи Office через конвертацію) і видає структуровані Markdown та JSON, оптимізовані для інтеграції з RAG та агентними конвеєрами .

Результати тестування

Бенчмарк	Оцінка OCR 4	Примітки
OlmOCRBench (публічний рейтинг)	85.20	Очолив рейтинг після запуску
OmniDocBench	93.07	Високі показники на різноманітних типах документів
Уподобання людей (сліпе тестування, 600+ документів, 12+ мов)	72% середній показник перемоги	Незалежні анотатори віддавали перевагу OCR 4 над конкурентами

Mistral також повідомляє про високі результати на внутрішньому бенчмарку Crawl Multilingual, хоча конкретні числа не були опубліковані в переглянутих джерелах .

Цінові варіанти

Рівень	Ціна	Деталі
Стандартний OCR	$4 за 1000 сторінок	Базове вилучення тексту
Анотований (структурований)	$5 за 1000 сторінок	Включає bounding boxes, мітки блоків та показники впевненості

Ціноутворення базується на кількості сторінок, а не токенів, що нетипово для інших моделей Mistral і відображає сценарій пакетної обробки документів.

Стратегічний контекст

OCR 4 знаменує свідомий перехід від «вилучення тексту» до «розуміння документів». Модель позиціонується як фундаментальний шар для корпоративного пошуку, RAG-конвеєрів та агентних робочих процесів, де критично важливо зберігати макет і структуру (таблиці, рівняння, підписи) . Вона безпосередньо конкурує з Google Document AI, Azure Document Intelligence та відкритими OCR-конвеєрами, поєднуючи структурований вивід за товарними цінами з можливістю локального розгортання в контейнері — рідкісне поєднання серед основних OCR API .

Дизайн з одним контейнером є ключовою перевагою для фінансового, медичного та юридичного секторів, які потребують суверенітету даних . Mistral також зробила OCR 4 моделлю розуміння документів за замовчуванням для мільйонів користувачів Le Chat .