include_blocks API 参数。 启用此参数后,API 会为每一页返回一个 blocks 数组,其中包含按阅读顺序排列的结构化标签和空间坐标 。
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 。
| 基准测试项目 | OCR 4 得分 | 备注 |
|---|---|---|
| OlmOCRBench (公开排行榜) | 85.20 | 发布时荣登榜首 |
| OmniDocBench | 93.07 | 在多种文档类型上表现强劲 |
| 人工偏好度测试 (盲测, 600+文档, 12+种语言) | 平均胜率 72% | 独立评估员在对比测试中倾向于选择 OCR 4 |
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 。
| 套餐 | 价格 | 说明 |
|---|---|---|
| 标准版 (Standard OCR) | 每千页 4 美元 | 基础文本提取 |
| 注释版 (Annotated/Structured) | 每千页 5 美元 | 包含边界框、块标签和置信度分数 |
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。
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 。
include_blocks API 参数。 启用此参数后,API 会为每一页返回一个 blocks 数组,其中包含按阅读顺序排列的结构化标签和空间坐标 。
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 。
| 基准测试项目 | OCR 4 得分 | 备注 |
|---|---|---|
| OlmOCRBench (公开排行榜) | 85.20 | 发布时荣登榜首 |
| OmniDocBench | 93.07 | 在多种文档类型上表现强劲 |
| 人工偏好度测试 (盲测, 600+文档, 12+种语言) | 平均胜率 72% | 独立评估员在对比测试中倾向于选择 OCR 4 |
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 。
| 套餐 | 价格 | 说明 |
|---|---|---|
| 标准版 (Standard OCR) | 每千页 4 美元 | 基础文本提取 |
| 注释版 (Annotated/Structured) | 每千页 5 美元 | 包含边界框、块标签和置信度分数 |
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。
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 。