OCR-нейросеть Mistral OCR 4 отдаёт координаты каждого блока: $4 за 1 000 страниц

До сих пор большинство OCR-моделей, включая предыдущую Mistral OCR 3, конвертировали страницу в чистый текст и таблицы. Системы, которым нужно цитировать фрагмент, вырезать персональные данные или проверить результат вручную, получали текст без привязки к месту на странице. OCR 4, по данным Mistral AI, закрывает этот пробел: каждый блок получает рамку (bounding box, прямоугольник с координатами элемента на странице), тип (заголовок, таблица, уравнение, подпись) и числовой показатель уверенности.

Что умеет OCR 4?

• Разметка блоков с координатами. Каждый элемент страницы (заголовок, таблица, формула, подпись) получает рамку и тип. Это позволяет подсвечивать источник цитаты прямо в документе, а не искать вручную.
• Оценка уверенности по словам. Модель выставляет числовой балл для каждого слова и страницы. Фрагменты с низкой уверенностью можно автоматически отправлять на проверку человеку, а остальные пропускать без ручного контроля.
• 170 языков из 10 языковых групп. Mistral AI отдельно отмечает улучшения для редких и малоресурсных языков. Русский входит в число поддерживаемых.
• Один контейнер для развёртывания на своих серверах. Корпоративные клиенты могут запустить модель внутри своей инфраструктуры, без передачи данных наружу.
• Один API-эндпоинт для двух режимов. Базовое извлечение текста и продвинутый режим Document AI (когда результат укладывается в заданную схему с полями) работают через один и тот же вызов.

Как выглядят результаты тестов?

Mistral AI привлекла независимых оценщиков, которые сравнили OCR 4 с другими OCR-нейросетями, универсальными языковыми моделями и корпоративными сервисами обработки документов. По данным компании, оценщики предпочли OCR 4 в среднем в 72% случаев. Оценка проводилась на более чем 600 документах на более чем 12 языках.

На автоматических бенчмарках модель набрала 85,20 на публичном OlmOCRBench и 93,07 на OmniDocBench.

Два клиентских кейса добавляют контекст. Компания Rogo сообщила о сопоставимой точности при стоимости примерно в 8 раз ниже и задержке в 17 раз меньше по сравнению с агентными (agentic, то есть работающими через цепочку автономных шагов) парсерами. Компания Anaqua зафиксировала скорость обработки примерно в 4 раза выше, чем у предыдущего поставщика.

Где OCR 4 применяется?

Mistral AI описывает пять основных сценариев:

• Разбор и извлечение данных из документов. Многоязычный контракт превращается в структурированный Markdown для индексации.
• RAG-пайплайны (RAG, Retrieval-Augmented Generation, метод, когда ИИ сначала ищет релевантные фрагменты в базе, а потом формирует ответ). Размеченные блоки подаются в поисковую систему, и ответ приходит с точной ссылкой на источник.
• Агентные сценарии. ИИ-агент для обработки счетов получает типизированные поля и координаты и заполняет формы автоматически.
• Корпоративный поиск. OCR 4 работает как компонент загрузки данных для поиска и извлечения сущностей по архиву.

Компания прямо оговаривает ограничения: OCR 4 распознаёт документы, а не принимает решения. Модель не предназначена для медицинской диагностики, юридических заключений, финансовых решений с высокими ставками, систем критической безопасности и обработки аудио или видео.

Как попробовать OCR-нейросеть онлайн?

1. Зарегистрируйтесь на платформе Mistral AI и получите API-ключ.
2. Установите Python-библиотеку mistralai и вызовите метод client.ocr.process с параметром model="mistral-ocr-latest". Для получения блоков с координатами добавьте include_blocks=True.
3. Отправьте ссылку на PDF, DOC, PPT или документ в формате OpenDocument. Ответ придёт в JSON с массивом страниц: текст в Markdown, изображения, таблицы, гиперссылки, размеры и оценки уверенности.
4. Для пакетной обработки большого архива используйте Batch API, цена снижается с 4 до 2 долларов за 1 000 страниц.

Сравнение с российскими аналогами

В России задачи OCR решают несколько инструментов, но прямого аналога OCR 4 с блочной разметкой и координатами пока нет.

Для автора или предпринимателя, которому нужно оцифровать архив документов на русском, OCR 4 остаётся доступным через API Mistral AI из России. Развёртывание в собственном контейнере снимает вопрос передачи данных за рубеж.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Если публикуете обзоры книг, исследований или юридических документов, OCR-нейросеть онлайн позволяет быстро вытащить цитаты с точной привязкой к странице и абзацу. Ссылка на конкретный блок документа повышает доверие читателя.

Маркетологу. Автоматическая обработка коммерческих предложений, прайс-листов и отчётов конкурентов экономит часы ручной работы. Оценка уверенности помогает понять, какие фрагменты нужно перепроверить.

Предпринимателю в РФ. Развёртывание в одном контейнере означает, что данные клиентов не уходят за периметр. Для компаний, работающих с персональными данными или коммерческой тайной, это снимает регуляторные риски.

Частые вопросы

Работает ли OCR 4 с русским языком?

Да. Mistral AI заявляет поддержку 170 языков из 10 языковых групп. Русский входит в число поддерживаемых. Компания отдельно отмечает улучшения для редких и малоресурсных языков, но конкретные метрики по русскому не приведены.

Можно ли использовать OCR 4 без отправки документов в облако?

Да. Корпоративным клиентам доступно развёртывание модели в одном контейнере на собственных серверах. Это закрывает требования по локализации данных и комплаенсу.

Чем OCR 4 отличается от обычного распознавания текста?

Обычный OCR возвращает текст. OCR 4 возвращает структуру: каждый блок на странице получает тип (заголовок, таблица, формула), координаты и числовой балл уверенности. Это позволяет не просто читать документ, а автоматически обрабатывать его элементы по отдельности.

Для тех, кто работает с большими архивами документов, OCR 4 стоит проверить на реальных файлах именно сейчас, пока Batch API доступен по сниженной цене и пока конкуренты не подтянули блочную разметку до того же уровня.