Mistral OCR 4 深度解析：功能、基准测试、定价及战略布局

支持170种语言，覆盖10大语系。 Mistral 声称，该模型在日语、印地语和希腊语等稀有或低资源语言的识别精度上取得了显著提升 。

单容器本地部署。 OCR 4 可以完整部署在本地的一个容器中。对于无法将文档发送至外部 API 的强监管行业（如金融、医疗、法律）来说，这是一个关键的差异化优势 。

多模态输入与结构化输出。 它接受 PDF 和图片作为输入（Office 文档需通过转换），并输出结构化的 Markdown 和 JSON 格式，专为与 RAG 和智能体工作流程集成而优化 。

基准测试表现

此外，Mistral 还报告了其在内部 Crawl Multilingual 基准测试中的出色成绩，但未公布具体数字 。

定价方案

值得注意的是，定价是按页而非按 token 计算的，这与其他 Mistral 模型不同，反映了其服务于批量文档处理的定位。

战略背景与市场定位

OCR 4 的发布标志着 Mistral AI 从“文本提取”到“文档理解”的战略转变。其目标客户是需要确保布局和结构（如图表、公式、签名）完整性的企业搜索、RAG 管道和智能体工作流用户 。

它直接对标 Google Document AI、Azure Document Intelligence 以及各种开源 OCR 方案。OCR 4 的竞争力在于，它以大众化的价格提供结构化输出，并支持罕见的单容器本地部署选项，这是目前主流 OCR API 中难以同时具备的组合 。

对于金融、医疗和法律等强监管行业，数据主权至关重要，单容器设计成为了关键卖点 。与此同时，Mistral 已将其 Le Chat 平台上数百万用户的默认文档理解模型升级为 OCR 4 。