答案已發布4 個月前Last edited 4 個月前20 個來源

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

Mistral OCR 4 於 2026 年 6 月 23–24 日推出，回傳段落層級邊界框、結構化區塊標籤（如標題、表格、方程式、簽名）與逐字信心分數，支援 170 種語言。在公開基準 OlmOCRBench 上以 85.20 分拿下第一，OmniDocBench 得分 93.07，並在 600 多份真實文件的盲測中以 72% 勝率擊敗同類系統。

發布者使用 DeepSeek-V4-Flash 編輯圖片由 GPT Image 1.5 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

Mistral OCR 4 於 2026 年 6 月 23–24 日推出，回傳段落層級邊界框、結構化區塊標籤（如標題、表格、方程式、簽名）與逐字信心分數，支援 170 種語言。
在公開基準 OlmOCRBench 上以 85.20 分拿下第一，OmniDocBench 得分 93.07，並在 600 多份真實文件的盲測中以 72% 勝率擊敗同類系統。
定價為每 1,000 頁 4 美元（標準版）或 5 美元（含註釋結構版），並提供單容器自託管選項，滿足金融、醫療與法律產業的資料落地需求。

Mistral OCR 4 model interface showing structured document extraction with bounding boxes, block labels, and confidence scores — Search & fact-check with cited sources for What are the key features, benchmark performance, pricing options, and strategic context of MistrMistral OCR 4 transforms document processing by returning spatial and structural metadata alongside extracted text.
AI 提示詞
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key features, benchmark performance, pricing options, and strategic context of Mistr. Article summary: Here is the fact-checked breakdown of Mistral AI's newly released OCR 4 model.. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual e
openai.com

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。

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「Mistral OCR 4 完整解析：當 OCR 不再只是「認字」，而是「讀懂文件」」的簡短答案是什麼？

Mistral OCR 4 於 2026 年 6 月 23–24 日推出，回傳段落層級邊界框、結構化區塊標籤（如標題、表格、方程式、簽名）與逐字信心分數，支援 170 種語言。

最值得優先驗證的重點是什麼？

Mistral OCR 4 於 2026 年 6 月 23–24 日推出，回傳段落層級邊界框、結構化區塊標籤（如標題、表格、方程式、簽名）與逐字信心分數，支援 170 種語言。在公開基準 OlmOCRBench 上以 85.20 分拿下第一，OmniDocBench 得分 93.07，並在 600 多份真實文件的盲測中以 72% 勝率擊敗同類系統。

接下來在實務上該怎麼做？

定價為每 1,000 頁 4 美元（標準版）或 5 美元（含註釋結構版），並提供單容器自託管選項，滿足金融、醫療與法律產業的資料落地需求。

來源

答案已發布4 個月前Last edited 4 個月前20 個來源

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

Mistral OCR 4 於 2026 年 6 月 23–24 日推出，回傳段落層級邊界框、結構化區塊標籤（如標題、表格、方程式、簽名）與逐字信心分數，支援 170 種語言。在公開基準 OlmOCRBench 上以 85.20 分拿下第一，OmniDocBench 得分 93.07，並在 600 多份真實文件的盲測中以 72% 勝率擊敗同類系統。

發布者使用 DeepSeek-V4-Flash 編輯圖片由 GPT Image 1.5 生成

使用 Studio Global AI 搜尋並查證事實瀏覽更多熱門頁面

研究答案

重點整理

Mistral OCR 4 於 2026 年 6 月 23–24 日推出，回傳段落層級邊界框、結構化區塊標籤（如標題、表格、方程式、簽名）與逐字信心分數，支援 170 種語言。
在公開基準 OlmOCRBench 上以 85.20 分拿下第一，OmniDocBench 得分 93.07，並在 600 多份真實文件的盲測中以 72% 勝率擊敗同類系統。
定價為每 1,000 頁 4 美元（標準版）或 5 美元（含註釋結構版），並提供單容器自託管選項，滿足金融、醫療與法律產業的資料落地需求。

Mistral OCR 4 model interface showing structured document extraction with bounding boxes, block labels, and confidence scores — Search & fact-check with cited sources for What are the key features, benchmark performance, pricing options, and strategic context of MistrMistral OCR 4 transforms document processing by returning spatial and structural metadata alongside extracted text.
AI 提示詞
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for What are the key features, benchmark performance, pricing options, and strategic context of Mistr. Article summary: Here is the fact-checked breakdown of Mistral AI's newly released OCR 4 model.. Topic tags: general, documentation, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, clickbait thumbnails, icons, and tiny thumbnail layouts. Make it useful as an illustrative visual, not as factual e
openai.com

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。

Studio Global AI

繼續深入研究

這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。

使用 Studio Global AI 搜尋並查證事實

大家也會問

「Mistral OCR 4 完整解析：當 OCR 不再只是「認字」，而是「讀懂文件」」的簡短答案是什麼？

Mistral OCR 4 於 2026 年 6 月 23–24 日推出，回傳段落層級邊界框、結構化區塊標籤（如標題、表格、方程式、簽名）與逐字信心分數，支援 170 種語言。

最值得優先驗證的重點是什麼？

Mistral OCR 4 於 2026 年 6 月 23–24 日推出，回傳段落層級邊界框、結構化區塊標籤（如標題、表格、方程式、簽名）與逐字信心分數，支援 170 種語言。在公開基準 OlmOCRBench 上以 85.20 分拿下第一，OmniDocBench 得分 93.07，並在 600 多份真實文件的盲測中以 72% 勝率擊敗同類系統。

接下來在實務上該怎麼做？

定價為每 1,000 頁 4 美元（標準版）或 5 美元（含註釋結構版），並提供單容器自託管選項，滿足金融、醫療與法律產業的資料落地需求。

來源

techcommunity.microsoft.comMistral Document AI (with OCR 4) and Mistral Medium 3.5 ...
mistral.aiMistral OCR 4 : SOTA OCR for Document Intelligence
docs.mistral.aiOCR 4 - Mistral AI Documentation
gigazine.netThe Japanese-language compatible OCR model 'Mistral OCR 4' has been released, and its AI converts PDFs and documents full of tables into 'usable data.'

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

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