法国的 Mistral AI 发布了文档解析模型的新版本「OCR 4」。这次的核心在于，它不只是识别文字，而是把页面上每个元素的位置以坐标形式返回，并判别标题、表格、公式等类型，将整份文档结构化。它支持 170 种语言，并为无法把机密文档外发的企业准备了仅在自有服务器上运行的部署形式。价格为每 1,000 页 4 美元（约 640 日元）起。

从「转成文本」到「提取结构」

以往，OCR（光学字符识别）的主要作用是把纸张或 PDF 的内容转换成清晰的文本和表格。OCR 4 在此基础上更进一步，把文档当作一张完整的意义地图来处理。具体来说，它会为段落、图片等每个区块标注表示画面位置的边界框（围住目标的坐标框），并把它们分类为标题、表格、公式、签名、页眉等类型，还会按页和按词返回「有多大把握」的置信度分数。

据 Mistral 称，用户呼声最高的正是这种边界框。没有位置信息，就无法追溯抽取出的数字或文字来自原文档的哪一处。在检索增强生成（RAG，即参考外部资料来组织回答的机制）以及涉及审计的业务中，事后能够追踪「这个数值的出处在哪里」至关重要，OCR 4 正是要弥补这一短板。区块的类型划分也与实务直接相关：被判定为表格的部分可以进入数值处理流程，被判定为签名的部分则可进入涂黑等处理，便于按用途自动分流。置信度分数则有助于实现只把把握较低的部分交由人工确认、把握较高的部分自动通过的运作方式。

这些功能本身并不新鲜，但无需另行搭建版面分析环节、直接作为 OCR 的输出就能获得，这一点减轻了企业的开发负担。OCR 4 在约 15 个月里已是第四代，可见 Mistral 在文档领域的持续投入。

支持语言、提供形式与价格

OCR 4 支持横跨 10 个语言组的 170 种语言，可接受 PDF、DOC、PPT 和 OpenDocument 格式。提供方式包括 Mistral 的 API，以及 Mistral Studio 内的 Document AI、Amazon SageMaker、Microsoft Foundry，对 Snowflake 的支持也将很快加入。

价格为每 1,000 页 4 美元（约 640 日元），使用面向批量处理的折扣后可降至 2 美元（约 320 日元）。按此水平，即便把 10 万页的公司内部文档一次性数据化，费用也约为 200 美元（约 3.2 万日元），让大规模电子化能够在现实预算内推进。同时，它还准备了把整套模型打包进一个容器、仅在自有设备内运行的方案，主要面向不愿把机密文档交给海外厂商所运营云端的、监管严格的行业。

※汇率（截至 2026 年 6 月 25 日）：1 美元 = 161 日元，1 欧元 = 185 日元

性能评测，以及如何看待

Mistral 表示，在使用超过 12 种语言、600 多份真实文档进行的人工对比评测中，OCR 4 相对竞品取得了平均 72% 的胜率。在自动指标上，它在公开基准 OlmOCRBench 上得分 85.20，在 OmniDocBench 上得分 93.07。

值得注意的是，Mistral 自己对这些数字持谨慎态度。该公司公开了评分时发现的问题，例如标准答案一侧的错误，以及含义相同但写法不同的公式被判为不一致的情形，并表示总体分数应被视为「大致趋势」而非严格排名。在产品发布场合披露对自己不利的信息，是较为少见的做法。事实上，在公开基准排行榜上，OCR 4 位居第三前后，像 Chandra OCR 2 这样的开放模型在某些位置排名更高。对考虑采用的企业而言，比排行榜数字更重要的，是在自家文档、语言、预算与处理速度的条件下，哪一款出错最少。

早期试用的企业也给出了正面反馈。一家金融领域的 AI 企业报告称，在图表密集的数据上，它在保持同等精度的同时，把费用压到约八分之一、把响应延迟压到约十七分之一。一家知识产权管理企业也表示，每页处理速度比此前的服务快约四倍。这些都是厂商一方的说法，最终实力仍需各家用自己的文档来验证。

围绕「主权 AI」的竞争

可以在自有服务器上独立运行的提供形式，是 Mistral 所倡导的「主权 AI」——即把数据和基础设施置于本国、本企业掌控之下——的产品化体现。其背景之一是，有报道称大型 AI 模型曾以美国出口管制为由，对海外用户突然变得无法使用，这让企业越来越看重不被提供方随意「关停」。在欧洲，AI 监管的处罚条款预计将于 8 月生效，这一趋势也可能成为助力。

竞争正在加剧。就在发布前一天，百度免费公开了一款轻量级开放模型，可以不切分地一次性读取长文档。除此之外，谷歌、亚马逊、微软的文档解析服务，ABBYY 等专业厂商，以及众多开放模型都在这一领域激烈角逐。市场调查显示，文档处理市场规模约为 44 亿美元（约 7100 亿日元），预计到 2030 年的年增长率将超过 33%。Mistral 是一家约 1,000 人规模的公司，要与筹集巨额资金的美国企业正面竞争并不容易。即便如此，它仍在推进以主权性、结构化和业务自动化为核心的企业级整套方案来争取欧洲需求的战略，并有报道提及其正酝酿以约 200 亿欧元（约 3.7 万亿日元）估值进行的新一轮融资。OCR 4 可以看作是位于这一战略入口的一着棋。

总结

Mistral 的「OCR 4」是一款不只识别文字，还为文档添加位置、类型和置信度从而将其结构化的文档解析模型。凭借对 170 种语言的支持、可在自有服务器上独立运行的部署选项，以及每 1,000 页 4 美元（批量模式下 2 美元）的价格，它意在推动企业更好地利用文档。与此同时，Mistral 自己也提醒应谨慎看待基准数字，加之竞争对手众多，最终评价只有在各家用自己的数据验证之后才能确定。Mistral 能否以主权性和结构化为武器，在文档 AI 领域进一步提升存在感，是值得关注的看点。