Mistral OCR 4 发布

Mistral OCR 4 于2026年6月23日发布，其核心变化在于输出不再只是文本，而是包含边界框、块分类（如标题、表格、公式、签名等）和逐页、逐词的置信度分数的结构化表示。这种设计旨在支持语义分块、智能体操作和连接器集成等下游任务。

模型支持170种语言，覆盖10个语系，并特别强调在专业和低资源语言上的提升。它可接受PDF、DOC、PPT和OpenDocument等常见企业格式。

Mistral声称，在600+文档、12+语言的盲测中，独立标注员对OCR 4的偏好率平均为72%，高于所有竞品。同时，OCR 4在OlmOCRBench上取得85.20的最高分。

然而，Mistral也承认自动化基准存在标注噪声和格式差异导致的评分伪影，因此人类评估被用作补充。但人类评估的具体方法论（如标注员背景、一致性）和竞品列表并未公开。

OCR 4被描述为紧凑模型，可单容器自托管，适合数据主权和合规要求高的企业。API定价为$4/千页，批量折扣50%后为$2/千页；Document AI定价为$5/千页。

自托管部署的具体硬件要求和性能基准未提供，但Mistral强调其支持高吞吐量批处理。

Rogo AI工程师Aidan Donohue称，在图表和图形密集的金融QA数据集上，OCR 4以约1/8成本和1/17延迟达到等效准确率。这为成本效率提供了独立佐证，但属于单一用户反馈，可能存在选择偏差。

Mistral承认自动化基准的评分伪影，但未提供详细修正方法。人类评估的样本量和语言覆盖虽大，但标注员背景和一致性未公开。

OCR 4在极端场景（如手写、复杂表格）的性能未知，且未与Google、Amazon、Microsoft等主流云服务直接对比。用户需自行验证其适用性。