Mistral 发布 OCR 4：支持 170 种语言与自托管部署的企业级文档理解模型

Mistral AI 正式推出了其最新的文档理解模型 OCR 4。这款专为企业和开发者设计的工具，不仅在多语言支持上实现了重大突破（覆盖 10 个语系的 170 种语言），更在结构化提取、置信度评分及部署灵活性上树立了新标杆。

• 官方介绍：https://mistral.ai/news/ocr-4

核心亮点：从“识别文字”到“理解结构”

OCR 4 不再仅仅是一个简单的文本提取工具，它是一个能够深度理解文档布局的智能引擎：

• 结构化内容提取：除了文本内容，OCR 4 还能提取边界框（Bounding Boxes）、块类型（Block Types，如标题、段落、表格、图片）以及每个区域的内联置信度分数。这种细粒度的数据输出为下游应用提供了极高的可控性。
• 卓越的多语言能力：支持 170 种语言，尤其在处理稀有和低资源语言时表现优异，填补了主流 OCR 工具在全球化场景下的空白。
• 高性能与低成本：相比前代版本及行业竞争对手，OCR 4 在处理速度和成本效益上均有显著提升，专为高吞吐量和交互式工作流设计。

灵活部署：API 与自托管双轨并行

为了满足不同企业对数据隐私和合规性的需求，Mistral 提供了多种接入方式：

1. 云端 API：可通过 Mistral Studio、Amazon SageMaker、Microsoft Foundry 直接调用，即将登陆 Snowflake Parse Document。
2. 自托管容器：对于法律、金融、医疗保健等对数据驻留有严格要求的行业，OCR 4 提供单容器自托管解决方案，确保敏感数据不出本地环境。

应用场景：赋能 RAG 与企业搜索

OCR 4 的设计初衷是为复杂的下游任务提供高质量的结构化数据输入：

• RAG（检索增强生成）：通过精确的块类型分类和置信度评分，大幅提升知识库检索的相关性和准确性。
• 合规与审计：在法律和金融领域，快速从 PDF、DOC、PPT 及 OpenDocument 等复杂格式中提取关键字段，辅助合规审查。
• 档案数字化与技术文档解析：高效处理海量历史档案或复杂的技术手册，实现信息的结构化入库。

早期用户反馈显示，切换到 OCR 4 后，不仅延迟大幅降低，且在结构化字段提取任务中的准确率显著提升。对于正在构建企业级 AI 应用的团队而言，OCR 4 提供了一个兼具精度、速度与隐私保护的强大基础组件。