Mistral OCR 4-ü təqdim edib: sərhəd qutuları və blok təsnifatı

Mistral AI çıxarılan mətnlə birlikdə səhifənin strukturlaşdırılmış təsvirini — sərhəd qutularını, blokların növə görə təsnifatını və etibarlılıq ballarını — qaytaran OCR 4 sənəd emalı modelini təqdim edib. Şirkət modeli 23 iyun 2026-cı ildə elan edib və onu korporativ axtarış, RAG və sahəyə xas axtarış boru xətləri üçün məlumat qəbulu komponenti kimi mövqeləndirir.

Yeni nə var

OCR-ın əvvəlki nəsilləri səhifəni əsasən təmiz mətnə və cədvəllərə çevirirdi. OCR 4 struktur qaytarır: hər blok sərhəd qutusu ilə lokallaşdırılır, növünə görə təsnif edilir — başlıqlar, cədvəllər, düsturlar, imzalar və başqaları — və səhifə və söz səviyyəsində hesablanmış etibarlılıq balları ilə müşayiət olunur. Mistral-a görə, sərhəd qutuları ən çox tələb olunan imkan olub: onlar kontekstdə vurğulama və daha etibarlı məlumat boru xətləri təmin edir, blok növləri və etibarlılıq balları isə mənbəyə əsaslanan sitatları, redaktəni və insan yoxlamasını dəstəkləyir.

Model PDF, DOC, PPT və OpenDocument kimi geniş yayılmış korporativ formatları qəbul edir və 10 dil qrupunda 170 dili dəstəkləyir. Mistral bildirir ki, irəliləyiş bir çox rəqib sistemin zəiflədiyi ixtisaslaşmış və az resurslu dillərdə xüsusilə nəzərə çarpır. Bir konteynerdə işləyəcək qədər yığcam olduğundan OCR 4 tam şəkildə öz infrastrukturunuzda yerləşdirilə bilər və sənəd məlumatları təşkilatın daxilində qalır.

Müqayisələr və qiymətlər

12-dən çox dildə 600-dən artıq sənədi əhatə edən insan qiymətləndirməsində müstəqil qiymətləndiricilər sınaqdan keçirilən bütün aparıcı OCR və sənəd-AI sistemləri yerinə OCR 4-ə üstünlük verib; orta qələbə göstəricisi 72 faiz olub. Model həmçinin OlmOCRBench açıq müqayisəsində sınaqdan keçirilən sistemlər arasında ən yüksək ümumi balı (85,20) və OmniDocBench-də 93,07 balı əldə edib. Mistral qeyd edir ki, hər iki müqayisənin qiymətləndirmə məhdudiyyətləri var — səhv istinad işarələmələrindən tutmuş eyni görünən LaTeX işarələməsinin uyğunsuzluq sayılmasına qədər — və ümumi balları yalnız istiqamət göstəricisi hesab edir.

OCR 4-ün API vasitəsilə istifadəsi 1 000 səhifə üçün 4 dollardır; Batch API-də 50 faiz endirim qiyməti 1 000 səhifə üçün 2 dollara salır. Eyni son nöqtədə sxem əsaslı strukturlaşdırılmış çıxış əlavə edən Document AI isə 1 000 səhifə üçün 5 dollardır. Model Mistral Studio, Amazon SageMaker və Microsoft Foundry vasitəsilə API ilə əlçatandır; Snowflake Parse Document tezliklə əlavə olunacaq.

Harada istifadə olunur

Mistral OCR 4-ü AI Now Summit-də təqdim edilən açıq, kompozisiya edilə bilən axtarış çərçivəsi olan Search Toolkit-in məlumat qəbulu komponenti kimi təsvir edir. İlk istifadəçilər modeli qaimələri strukturlaşdırılmış sahələrə çevirmək, şirkət arxivlərini rəqəmsallaşdırmaq, texniki və elmi hesabatlardan mətn çıxarmaq və korporativ axtarışı gücləndirmək üçün tətbiq edir. Mistral həmçinin modelin nə üçün nəzərdə tutulmadığını sadalayır: tibbi diaqnoz, hüquqi məsləhət və ya qərar, yüksək riskli maliyyə qərarları, təhlükəsizlik üçün kritik sistemlər, real vaxtda emal və xam səs yaxud video kimi sənəd olmayan girişlər.