Mistral OCR 4 完整解析：當 OCR 不再只是「認字」，而是「讀懂文件」

Mistral AI 於 2026 年 6 月 23–24 日間正式推出 OCR 4，不再只是單純的文字擷取工具，而是升級為「結構化文件理解」引擎。這款模型專為企業搜尋、RAG（檢索增強生成）流程與自主代理工作流所設計，並同步登上 Microsoft Azure AI Foundry，與 Mistral Document AI 及 Mistral Medium 3.5 一同亮相 。

核心功能

結構感知萃取。 OCR 4 不僅回傳文字，還會提供段落層級的邊界框（bounding boxes）、區塊類型標籤（包括文字、標題、列表、表格、圖片、方程式、標題、程式碼、參考文獻、側邊文字、頁首、頁尾、簽名），以及逐字的信心分數 。這讓輸出結果可以直接用於引用追蹤、內容遮蔽與語意分塊，無需額外後處理 。

include_blocks API 參數。 啟用後，每一頁會回傳一個 blocks 陣列，包含結構化標籤與空間座標，且按閱讀順序排列 。

支援 170 種語言，分為 10 個語言群組。 Mistral 表示，在日語、印度語與希臘語等較罕見或資源較少的語言上，精度提升尤為顯著 。

單容器自託管。 整個模型可以完全部屬於地端伺服器，一個容器搞定。這對金融、醫療與法律等受到嚴格監管的產業來說是一大賣點，因為這些機構無法將文件送往外部 API 處理 。

多模態輸入與結構化輸出。 OCR 4 可接受 PDF 與圖片（Office 文件需先轉換），並輸出結構化的 Markdown 與 JSON，專為 RAG 與自主代理管線所設計 。

基準測試成績

基準	OCR 4 分數	備註
OlmOCRBench（公開排行榜）	85.20	上線時位居榜首
OmniDocBench	93.07	在多元文件類型上表現強勁
人類偏好盲測（600+ 文件、12+ 語言）	平均 72% 勝率	獨立評審偏好 OCR 4 勝過其他競爭系統

Mistral 也在內部 Crawl Multilingual 基準上取得優異成績，不過在所檢視的資料中並未公布具體數字 。

計價方案

方案	價格	說明
標準版 OCR	每 1,000 頁 4 美元	基礎文字萃取
註釋版（結構化）	每 1,000 頁 5 美元	包含邊界框、區塊標籤與信心分數

計價以頁數為單位，而非以 token 計費，這在 Mistral 其他模型中較為少見，也反映出其文件批次處理的使用情境。

戰略定位

OCR 4 標誌著從「文字萃取」到「文件理解」的明確轉變。它被定位為企業搜尋、RAG 管線與自主代理工作流中的基礎層，因為在這些應用中，保留版面與結構（如表格、方程式、簽名）至關重要 。它直接挑戰 Google 的 Document AI、Azure Document Intelligence 以及開源 OCR 管線，以大宗商品級的定價提供結構化輸出，同時還提供可自託管的容器選項——這在主流 OCR API 中相當罕見 。

單容器設計是金融、醫療與法律等需要資料主權的行業的關鍵差異點 。此外，Mistral 也已將 OCR 4 設為 Le Chat 上數百萬使用者預設的文件理解模型 。