Mistral发布OCR 4：文档解析新突破，支持170种语言与自托管部署

Mistral OCR 4是什么？

2026年6月23日，Mistral AI发布了Mistral OCR 4，这是一款文档解析模型。它能把PDF、Word、PPT等文档中的文字、表格、图片等内容提取出来，并整理成结构化的信息。

你可以把它想象成一位超级图书管理员，他不仅会读书，还会在每页上做标记：哪里是标题，哪里是表格，哪里是签名，甚至还会告诉你他对每个标记有多确定。

它有什么新本领？

OCR 4最大的新本领是“边界框”和“块分类”。边界框就像给文档里的每个文字块画一个框，标明它的位置；块分类则是告诉你是标题、表格还是其他类型。

另外，它还会给出“置信度分数”，就像老师批改作业时写的“很有把握”或“不太确定”，这样你就能知道哪些信息需要人工检查。

支持哪些语言和格式？

OCR 4支持170种语言，分为10个语系，包括一些其他系统处理不好的专业语言和低资源语言。

它接受常见的办公文档格式，比如PDF、DOC、PPT和OpenDocument，所以大多数企业文档都能处理。

性能表现如何？

在人类评估中，独立标注员在超过600份真实文档上对比，OCR 4的胜率平均达到72%，超过了所有测试的竞品。

在公开基准OlmOCRBench上，它取得了85.20的最高分；在内部多语言评估中得分0.98；在OmniDocBench上得分93.07。不过官方也提醒，这些基准有评分局限，实际效果可能更好或更差。

如何部署和使用？

OCR 4可以通过API调用，也可以在Mistral Studio的Document AI中使用，后者无需代码，适合非技术团队。

对于需要数据隐私的企业，OCR 4可以部署在单个容器中，完全自托管，让文档数据留在自己的环境里，满足数据主权和合规要求。

价格和适用场景

API定价为每1000页4美元，批量API有50%折扣，即2美元每1000页；Document AI定价为每1000页5美元。

它适合企业搜索、RAG（检索增强生成）、智能体工作流等场景，比如自动处理发票、表单、合规检查等。官方还提到，OCR 4是Mistral Search Toolkit的组件，该工具已公开预览。

限制和注意事项

官方指出，OCR 4是一个“小而专注”的模型，但未说明具体参数大小。基准测试存在已知局限，比如参考标注错误、格式噪音等，所以分数不能完全代表真实性能。

自托管部署仅对企业客户开放，个人开发者主要通过API使用。模型是否开源，官方未说明。

适合谁用？

如果你是企业开发者，需要从大量文档中提取结构化信息，OCR 4是一个高效且成本可控的选择。

如果你关心数据隐私，需要本地部署，OCR 4的单容器设计也很友好。对于学生或普通用户，可以通过Document AI的无代码界面体验，无需编程。