Mistral AI OCR 4 全面睇：結構化輸出、170 種語言、自我托管，企業級文件 AI 新時代

以下係 Mistral AI 新推出嘅 OCR 4 模型全面分析，涵蓋功能、基準測試、定價同策略背景。

核心功能

• 結構感知提取 — 唔係剩係俾你一段文字咁簡單，而係連段落嘅邊界框（bounding box）、區塊類型標籤（例如標題、文字、表格、方程式、簽名等）同每個字嘅信心分數一齊俾你 。
• include_blocks API 參數 — 開咗之後，每一頁都會回傳一個 blocks 陣列，包含結構標籤同位置座標 。
• 支援 170 種語言，分 10 個語言組，尤其喺較罕見同低資源嘅文字上有明顯提升 。
• 單一容器自我托管 — 成個模型裝晒喺一個容器入面，企業可以喺自己嘅伺服器度運行，完全唔使驚數據外洩 。
• 多模態輸入 — 接受 PDF 同圖片（Office 文件可以轉換），輸出結構化 Markdown 同 JSON，專為 RAG（檢索增強生成）同 AI 代理流程而設計 。

基準測試表現

基準測試	OCR 4 分數	備註
OlmOCRBench（公開排行榜）	85.20	推出時即刻登上第一名
OmniDocBench	93.07	喺各種文件類型上都好強
人類偏好盲測（600+ 文件，12+ 種語言）	平均 72% 勝率	獨立評審員喺對比中更鍾意 OCR 4

Mistral 都報告咗內部 Crawl Multilingual 基準測試嘅好成績，不過未有公開實際數字 。

定價方案

方案	價格	詳情
標準 OCR	每千頁 4 美元	基本文字提取
附結構標註版	每千頁 5 美元	包括邊界框、區塊標籤同信心分數

定價係以頁數計，唔係以 token 計，喺 Mistral 嘅模型中比較特別，反映咗文件批量處理嘅使用場景。

策略背景

• 2026 年 6 月 23–24 日推出，同 Mistral Document AI（包住 OCR 4 嘅完整流程產品）同 Mistral Medium 3.5 一齊，全部同時登陸 Microsoft Azure AI Foundry 。
• 從「文字提取」轉向「文件理解」 — OCR 4 係企業搜尋、RAG 流程同 AI 代理工作流嘅基礎層，尤其係保存版面結構（表格、方程式、簽名）好重要嘅情況 。
• 競爭定位 — 直接挑戰 Google Document AI、Azure Document Intelligence 同開源 OCR 流程，以平價同可以自行托管嘅容器方案突圍而出，呢個喺大型 OCR API 中比較罕見 。
• 單一容器設計係監管嚴格嘅行業（金融、醫療、法律）嘅重要賣點，因為呢啲行業唔能夠將文件送出街去外部 API 。