深度解析 Mistral AI 全新 OCR 4 模型：核心功能、基准测试、定价策略及战略布局

以下是经事实核查后，关于 Mistral AI 最新发布的 OCR 4 模型的全面解析。

核心功能

• 结构感知提取：区别于传统的纯文本输出，OCR 4 在提取文本的同时，会返回段落级的边界框（Bounding Boxes）、块类型标签（如标题、正文、表格、公式、签名等）以及逐词置信度分数 。
• include_blocks API 参数：启用该参数后，每个页面都会返回一个包含结构标签和空间坐标的 blocks 数组，极大地便利了后续的结构化处理 。
• 170 种语言支持：覆盖 10 个语系，在较罕见和资源较少的脚本上尤其具有精度提升 。
• 单容器自托管：该模型可以完全部署在一个容器中，实现私有化部署，满足企业对数据主权和合规性的严格要求 。
• 多模态输入：接受 PDF 和图像作为输入（Office 文档可通过转换支持），输出结构化的 Markdown 和 JSON，旨在作为 RAG（检索增强生成）和 Agent 工作流的内容注入组件 。

基准测试表现

基准测试	OCR 4 得分	说明
OlmOCRBench（公开排行榜）	85.20	发布时即登顶排行榜
OmniDocBench	93.07	在各类复杂文档类型上表现出色
人类偏好盲测（600+文档，12+语种）	72% 平均胜率	独立标注员在对比测试中更倾向于选择 OCR 4

Mistral 还报告称其在内部 Crawl Multilingual 基准测试中得分很高，但未公布具体数值 。

定价方案

服务等级	价格	说明
标准 OCR	每 1000 页 4 美元	基础文本提取
带注释（结构化）版	每 1000 页 5 美元	包含边界框、块标签和置信度分数

定价按页面而非 token 计算，这在 Mistral 的模型中较为独特，但完美契合了文档批处理的常见场景。

战略背景

• 发布时间与产品矩阵：于 2026 年 6 月 23-24 日发布，同时发布的还有 Mistral Document AI（包装了 OCR 4 的端到端产品）和 Mistral Medium 3.5，三者均同步上线 Microsoft Azure AI Foundry 。
• 从“文本提取”到“文档理解”的转变：OCR 4 被定位为企业搜索、RAG 和 Agent 工作流的基础层，其核心价值在于保留文档的布局和结构（如表格、公式、签名），这对于关键业务应用至关重要 。
• 竞争定位：通过提供带结构化输出的低成本 API 和罕见的可自托管容器选项，直接挑战 Google Document AI、Azure Document Intelligence 等竞品 。
• 单容器设计是其关键差异化优势，特别适合金融、医疗、法律等无法将文档发送到外部 API 的受监管行业 。