Mistral AI OCR 4 深度解析：關鍵功能、基準測試、定價策略與商業佈局

以下是 Mistral AI 最新發表的 OCR 4 模型的事實查核分析。

關鍵功能

• 結構感知提取 — 不只輸出純文字，還會回傳段落級邊界框、區塊類型標籤（如標題、文字、表格、方程式、簽名等），以及逐詞的信心分數 。
• include_blocks API 參數 — 啟用後，每個頁面會回傳一個 blocks 陣列，內含結構化標籤與空間座標 。
• 支援 170 種語言，橫跨 10 個語系，在較罕見與低資源的語言上辨識準確度提升尤為明顯 。
• 單容器自託管 — 可在單一容器內完全內部部署，滿足組織的資料主權需求 。
• 多模態輸入 — 接受 PDF 與圖片（Office 文件需先轉換），輸出結構化的 Markdown 與 JSON，專為 RAG 與代理流程設計，作為資料攝取元件 。

基準測試表現

基準測試	OCR 4 分數	備註
OlmOCRBench（公開排行榜）	85.20	發布時在排行榜上位居榜首
OmniDocBench	93.07	在各種文件類型上表現優異
人類偏好盲測（600+ 文件，12+ 語言）	平均 72% 勝率	獨立標註員在與其他 OCR 系統比較時，更偏好 OCR 4 的輸出

Mistral 也報告了在其內部 Crawl Multilingual 基準測試中的優異成績，但所查閱的來源中未公布具體數值 。

定價選項

方案	價格	說明
標準 OCR	每千頁 4 美元	基本文字擷取
結構化註解版（Annotated）	每千頁 5 美元	包含邊界框、區塊標籤與信心分數

定價以頁數為基礎，而非 token 數，這在 Mistral 的其他模型中較為少見，反映了文件批次處理的應用場景。

戰略背景

• 發布時間：2026 年 6 月 23 日至 24 日，與 Mistral Document AI（包裝 OCR 4 的端到端產品線）以及 Mistral Medium 3.5 同步推出，並同時上架 Microsoft Azure AI Foundry 。
• 從「文字擷取」轉向「文件理解」 — OCR 4 定位為企業搜尋、RAG 流程與代理工作流的基礎層，因為它在表格、方程式、簽名等關鍵元素中保留了版面與結構 。
• 競爭定位 — 直接挑戰 Google Document AI、Azure Document Intelligence 以及開源 OCR 方案，其優勢在於以具競爭力的價格提供結構化輸出，同時提供極少數大型 OCR API 才有的自託管容器選項 。
• 單容器設計 是受監管產業（金融、醫療、法律）的關鍵區別點，這些產業無法將文件發送至外部 API 。