法國的 Mistral AI 發表了文件解析模型的新版本「OCR 4」。這次的核心在於，它不只是辨識文字，而是把頁面上每個元素的位置以座標形式回傳，並判別標題、表格、公式等類型，將整份文件結構化。它支援 170 種語言，並為無法把機密文件外傳的企業準備了僅在自有伺服器上運行的部署形式。價格為每 1,000 頁 4 美元（約 640 日圓）起。

從「轉成文字」到「擷取結構」

過去，OCR（光學文字辨識）的主要作用是把紙張或 PDF 的內容轉換成清晰的文字與表格。OCR 4 在此基礎上更進一步，把文件當作一張完整的意義地圖來處理。具體而言，它會為段落、圖片等每個區塊標註表示畫面位置的邊界框（圍住目標的座標框），並把它們分類為標題、表格、公式、簽名、頁首等類型，還會依頁與依詞回傳「有多大把握」的信賴度分數。

據 Mistral 表示，使用者呼聲最高的正是這種邊界框。沒有位置資訊，就無法追溯擷取出的數字或文字來自原文件的哪一處。在檢索增強生成（RAG，即參考外部資料來組織答案的機制）以及涉及稽核的業務中，事後能夠追蹤「這個數值的出處在哪裡」至關重要，OCR 4 正是要彌補這項弱點。區塊的類型劃分也與實務直接相關：被判定為表格的部分可以進入數值處理流程，被判定為簽名的部分則可進入遮蔽（塗黑）等處理，便於依用途自動分流。信賴度分數則有助於實現只把把握較低的部分交由人工確認、把握較高的部分自動通過的運作方式。

這些功能本身並不新鮮，但無需另行建置版面分析環節、直接作為 OCR 的輸出就能取得，這一點減輕了企業的開發負擔。OCR 4 在約 15 個月內已是第四代，可見 Mistral 在文件領域的持續投入。

支援語言、提供形式與價格

OCR 4 支援橫跨 10 個語言群的 170 種語言，可接受 PDF、DOC、PPT 與 OpenDocument 格式。提供方式包括 Mistral 的 API，以及 Mistral Studio 內的 Document AI、Amazon SageMaker、Microsoft Foundry，對 Snowflake 的支援也將很快加入。

價格為每 1,000 頁 4 美元（約 640 日圓），使用針對批次處理的折扣後可降至 2 美元（約 320 日圓）。依此水準，即便把 10 萬頁的公司內部文件一次數位化，費用也約為 200 美元（約 3.2 萬日圓），讓大規模數位化能夠在現實預算內推進。同時，它還準備了把整套模型打包進一個容器、僅在自有設備內運行的方案，主要鎖定不願把機密文件交給海外業者所運營雲端的、監管嚴格的產業。

※匯率（截至 2026 年 6 月 25 日）：1 美元 = 161 日圓，1 歐元 = 185 日圓

效能評測，以及該如何解讀

Mistral 表示，在使用超過 12 種語言、600 多份真實文件進行的人工對比評測中，OCR 4 相對競品取得了平均 72% 的勝率。在自動指標上，它在公開基準 OlmOCRBench 上得分 85.20，在 OmniDocBench 上得分 93.07。

值得注意的是，Mistral 自己對這些數字持謹慎態度。該公司公開了評分時發現的問題，例如標準答案一側的錯誤，以及含義相同但寫法不同的公式被判為不一致的情形，並表示整體分數應被視為「大致趨勢」而非嚴格排名。在產品發表場合揭露對自己不利的資訊，是較為少見的做法。事實上，在公開基準排行榜上，OCR 4 位居第三前後，像 Chandra OCR 2 這樣的開放模型在某些位置排名更高。對考慮採用的企業而言，比排行榜數字更重要的，是在自家文件、語言、預算與處理速度的條件下，哪一款出錯最少。

早期試用的企業也給出了正面回饋。一家金融領域的 AI 企業表示，在圖表密集的資料上，它在維持同等精準度的同時，把費用壓到約八分之一、把回應延遲壓到約十七分之一。一家智慧財產管理企業也表示，每頁處理速度比先前的服務快約四倍。這些都是業者一方的說法，最終實力仍需各家用自己的文件來驗證。

圍繞「主權 AI」的競爭

可以在自有伺服器上獨立運行的提供形式，是 Mistral 所倡導的「主權 AI」——即把資料與基礎設施置於本國、本企業掌控之下——的產品化體現。其背景之一是，有報導指出大型 AI 模型曾以美國出口管制為由，對海外使用者突然變得無法使用，這讓企業越來越重視不被提供方任意「關停」。在歐洲，AI 監管的罰則條款預計將於 8 月生效，這一趨勢也可能成為助力。

競爭正在加劇。就在發表前一天，百度免費公開了一款輕量級開放模型，可以不切分地一次讀取長文件。除此之外，Google、Amazon、Microsoft 的文件解析服務，ABBYY 等專業業者，以及眾多開放模型都在這一領域激烈競逐。市場調查顯示，文件處理市場規模約為 44 億美元（約 7100 億日圓），預計到 2030 年的年增率將超過 33%。Mistral 是一家約 1,000 人規模的公司，要與籌集巨額資金的美國企業正面競爭並不容易。即便如此，它仍在推進以主權性、結構化與業務自動化為核心的企業級整套方案來爭取歐洲需求的策略，並有報導提及其正醞釀以約 200 億歐元（約 3.7 兆日圓）估值進行的新一輪募資。OCR 4 可以看作是位於這一策略入口的一步棋。

總結

Mistral 的「OCR 4」是一款不只辨識文字，還為文件加上位置、類型與信賴度從而將其結構化的文件解析模型。憑藉對 170 種語言的支援、可在自有伺服器上獨立運行的部署選項，以及每 1,000 頁 4 美元（批次模式下 2 美元）的價格，它意在推動企業更妥善地運用文件。與此同時，Mistral 自己也提醒應謹慎看待基準數字，加上競爭對手眾多，最終評價只有在各家用自己的資料驗證之後才能確定。Mistral 能否以主權性與結構化為武器，在文件 AI 領域進一步提升存在感，是值得關注的看點。