Mistral AI 发布 OCR 4：文档智能的新标杆
Mistral AI 正式推出了 OCR 4，这是一款旨在改变机器解读复杂数字文档方式的高级新模型。通过超越简单的文本提取，该模型有望重新定义自动化工作流和 AI agent 集成中的文档处理标准。
超越原始文本：高级区块分类
与仅能抓取原始文本的传统光学字符识别 (OCR) 工具不同，OCR 4 引入了对文档布局的深度结构化理解。该模型能够识别页面上元素的精确空间坐标，并为其分配特定的功能角色。
这意味着模型可以区分标题、表格、复杂的数学公式，甚至是手写签名。通过执行这种“区块分类”，OCR 4 会自动将文档分割成有意义的结构化部分。对于开发者和数据工程师而言，这是一项关键的进步，因为它在将文档输入到 RAG (Retrieval-Augmented Generation) 系统或需要高保真上下文的自主 AI agent 时，能够实现更干净的数据摄取。
盲测中验证的准确性
为了验证其性能，Mistral 进行了一项涉及 600 多份文档的严格盲测。结果令人瞩目：在 72% 的测试案例中，独立评审员更青睐 OCR 4 而非行业竞争模型。这种偏好凸显了该模型在处理经常让传统 OCR 引擎出错的细微差别方面的卓越能力。
此外，OCR 4 通过置信度评分提供细粒度的透明度。对于处理的每个单词或页面，模型都会输出其确定性的估计值。这一特性对于企业级应用至关重要，因为在涉及重大决策时，如果模型的置信度低于特定阈值，则需要进行“人机协同 (human-in-the-loop)”验证。
多语言支持与易用性
语言障碍仍然是全球文档处理中的一个重大障碍，但 OCR 4 旨在通过支持 170 种语言来弥补这一差距。Mistral 声称，即使在处理较少见或低资源语言时，该模型也能保持高准确度，使其成为国际企业的多功能工具。
开发者和企业已经可以通过多个平台访问该模型，包括 Mistral API、Mistral Studio 和 Microsoft Foundry。Mistral 还实施了具有竞争力的定价结构以鼓励采用：实时请求的价格为每 1,000 页 4 美元，而更具成本效益的批量模式价格为每 1,000 页 2 美元。
为什么这对 AI 生态系统至关重要
OCR 4 的发布标志着从“阅读”文本到“理解”文档架构的转变。随着 LLM 能力的增强，智能的瓶颈往往在于输入数据的质量。通过提供来自 PDF、Word 文件和 PowerPoint 的结构化、分类明确且高置信度的数据，Mistral 正在为下一代重推理的 AI 应用提供必要的优质“燃料”。
核心要点
- 结构化智能： OCR 4 使用区块分类来识别标题、表格和公式，而不仅仅是提取原始文本。
- 卓越性能： 在 600 多份文档的盲测中，该模型在 72% 的情况下优于竞争对手。
- 企业级就绪： 支持 170 种语言，并通过 API 和 Microsoft Foundry 提供结构化定价，批量模式起步价为每 1,000 页 2 美元。