Mistral випустила OCR 4.1 з рамками абзаців і оцінками впевненості

Mistral опублікувала OCR 4.1 — нову версію сервісу розпізнавання документів, на якому побудовано її стек Document AI. Модель позначена в документації компанії як публічне прев'ю (public preview), сторінки з її описом датовані 16 липня, а в каталозі моделей вона фігурує під ідентифікатором mistral-ocr-4-1.

Що нового в 4.1

Нововведення радше структурні, ніж заяви про чисту точність: вбудоване витягування рамок (bounding box) на рівні абзаців, структурні мітки блоків і оцінки впевненості для кожного блоку. Разом ці три функції описують результат, що приходить уже анотованим — який текст належить якому блоку, де цей блок розташований на сторінці й наскільки сервіс упевнений у кожному з них, — а не пласким потоком розпізнаних символів. Сигнал упевненості особливо важливий для конвеєрів, які мають вирішувати, коли відправляти сторінку на ручну перевірку, а не довіряти результату моделі автоматично.

У складі ширшого стеку Document AI

Mistral позиціонує сервіс у наборі Document AI, що поєднує OCR зі структурованим витягуванням даних і націлений на корпоративну обробку документів багатьох типів і мов; окрема сторінка перелічує підтримувані мови. Крім OCR 4.1 набір пропонує анотації для витягування структурованих полів, відповіді на запитання за документами, де OCR поєднується з іншими моделями, та пакетну обробку для великих завдань. Сторінка порівняння моделей називає серед підтримуваних функцій OCR, структуровані анотації, витягування рамок і пакетну обробку.

Доступність і ціна

Документація досі позначає модель як публічне прев'ю, а не як загальнодоступний реліз. Путівник із порівняння моделей Mistral наводить 4 долари за 1000 сторінок для OCR і 5 доларів за 1000 анотованих сторінок — така схема відображає оплату за оброблені сторінки, а не за токени, і є важливою для команд, які оцінюють вартість оцифрування великих архівів чи потоків рахунків. Для тих, хто зважує варіанти документного ШІ, практичне питання — не стільки єдина цифра точності, скільки те, чи вписується структурований результат у наявні процеси перевірки.