Mistral випустила OCR 4: рамки блоків, класифікація та оцінки впевненості

Mistral AI випустила OCR 4 — модель розпізнавання документів, яка разом з витягнутим текстом повертає структуроване представлення сторінки: рамки текстових блоків, класифікацію блоків за типами та оцінки впевненості. Компанія представила модель 23 червня 2026 року і позиціонує її як складову частину конвеєрів корпоративного пошуку, RAG та пошуку в конкретних предметних областях.

Що нового

Попередні покоління OCR переважно перетворювали сторінку на чистий текст і таблиці. OCR 4 повертає структуру: кожен блок локалізується рамкою, класифікується за типом — заголовки, таблиці, формули, підписи та інші — і супроводжується оцінками впевненості, обчисленими на рівні сторінки та слова. За словами Mistral, рамки були найзапитуванішою функцією: вони дають змогу підсвічувати текст у контексті та будувати надійніші конвеєри даних, а типи блоків і оцінки впевненості підтримують цитування з прив'язкою до джерела, редагування та перевірку людиною.

Модель приймає поширені корпоративні формати, зокрема PDF, DOC, PPT і OpenDocument, та підтримує 170 мов у 10 мовних групах. За даними Mistral, поліпшення особливо помітні в спеціалізованих і малопоширених мовах, де багато конкуруючих систем помітно втрачають якість. Оскільки модель достатньо компактна, щоб працювати в одному контейнері, OCR 4 можна розгорнути повністю на власній інфраструктурі, залишаючи дані документів усередині організації.

Бенчмарки та ціни

У прямому людському оцінюванні, що охопило понад 600 документів більш ніж 12 мовами, незалежні анотатори віддали перевагу OCR 4 перед усіма провідними системами OCR і документного ШІ, які тестувалися; середній показник перемог становив 72%. Модель також має найвищий загальний бал серед протестованих систем на публічному бенчмарку OlmOCRBench (85,20) і 93,07 бала на OmniDocBench. Mistral зазначає, що обидва бенчмарки мають відомі обмеження в оцінюванні — від неправильних еталонних анотацій до однакової за виглядом нотації LaTeX, яку зараховують як розбіжність, — і вважає підсумкові бали орієнтовними.

Використання OCR 4 через API коштує 4 долари за 1 000 сторінок, а 50-відсоткова знижка Batch API знижує ціну до 2 доларів за 1 000 сторінок. Document AI, який додає структурований вивід за схемою на тому самому ендпойнті, коштує 5 доларів за 1 000 сторінок. Модель доступна через API у Mistral Studio, Amazon SageMaker і Microsoft Foundry; Snowflake Parse Document з'явиться найближчим часом.

Де застосовувати

Mistral описує OCR 4 як складову частину власного Search Toolkit — відкритого компонованого пошукового фреймворку, представленого на AI Now Summit. Перші користувачі застосовують його для перетворення рахунків на структуровані поля, оцифрування архівів компаній, вилучення тексту з технічних і наукових звітів та корпоративного пошуку. Mistral також перелічує, для чого модель не призначена: медична діагностика, юридичні консультації чи рішення, фінансові рішення з високими ставками, критичні для безпеки системи, обробка в реальному часі та недокументні дані, як-от аудіо чи відео.