Mistral OCR 4: Повний гід зі структурованого розуміння документів

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

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

Цінові варіанти

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 .