Mistral 发布 OCR 4：能理解结构、还能跑在你自己服务器上的文档 AI

6 月 23 日，Mistral AI 发布了 OCR 4，这是它约 15 个月内的第四代光学字符识别模型——也是迄今最清晰的信号，表明这家法国实验室把进入企业预算的最快路径押在文档处理、而非聊天上。这次的核心转变是概念性的：旧式 OCR 把一页变成一串扁平文本，而 OCR 4 返回的是整份文档的结构化表示。

编辑插画：左侧一面扁平的“文字墙”文档，向右侧转变为具备结构感知的版面，每个区域都被包进带标签的边界框——TITLE、TABLE、EQUATION、SIGNATURE——并附小小的置信度分数，下方写着“文档智能：理解文档，而不只是读取它们”。

有什么新东西

OCR 4 抽取的每个块，现在都会附带三层额外元数据——而这些过去往往要靠下游系统自己重建：

能力	它做什么	为何重要
边界框	用坐标定位页面上的每个块	你知道每个元素在哪，而不只是它说了什么
块分类	按类型给块打标签——标题、表格、公式、签名等	为 RAG 启用结构感知的分块与路由
置信度分数	页级与词级的确定性数值	只把低置信度区域路由给人工复核

Mistral 把这个模型定位为小而专注：它接受 PDF、DOC、PPT 与 OpenDocument 文件，支持 横跨 10 个语族的 170 种语言（对低资源文字有意做了提升），并始终返回同一份载荷——抽取内容、边界框、块类型、置信度分数与 markdown。更上层的 Document AI 层在同一引擎之上加入了 schema 驱动的 JSON 输出与基于提示的解读。

按公司自己的说法，独立标注者在所有受测系统中都更偏好 OCR 4，平均胜率达 72%——不过 Mistral 异常坦诚地指出 OCR 基准存在已知局限，因此请把这个数字当作方向性而非定论。

自托管才是真正的头条

最可能赢下订单的特性不是准确率——而是模型在哪里运行。OCR 4 足够紧凑，可以作为单一容器部署在组织自有的基础设施上。这让银行、医院、律所与公共部门买家在抽取敏感文档时，无需让任何一页经过受美国司法管辖的云 API。

这是一个结构性差异，而非便利性问题：AWS Textract 与 Google Document AI 都是仅云的。对受数据驻留规则约束的受监管行业而言，一个本地部署、具结构感知的 OCR 正是 Mistral 切入的缺口——并且与公司在欧洲 AI 主权上的更广叙事相吻合。

定价与可用性

产品	价格	备注
OCR 4（API）	$4 / 1,000 页	核心模型端点
OCR 4（Batch API）	$2 / 1,000 页	高并发异步任务 5 折
Document AI	$5 / 1,000 页	schema 驱动、应用级输出

OCR 4 现已通过 Mistral API、Mistral Studio 中的 Document AI、Amazon SageMaker 与 Microsoft Foundry 提供，Snowflake Parse Document 支持即将到来。自托管按需向企业客户提供。

为何重要

对 Mistral 而言，OCR 是一个楔子。该模型是公司开源 Search Toolkit（现处于公测）的摄取层，把原始文件转换为可引用、按结构分类的输入，供检索增强生成与企业搜索使用。一旦某家公司在抽取环节标准化采用 OCR 4，Mistral 栈的其余部分——推理模型与其智能体平台——便顺理成章成为下一笔采购。

几点启示：

文档 AI 正向模型层整合。 边界框与置信度分数过去需要单独的视觉流水线；把它们打包进一个端点，为构建 RAG 与智能体栈的团队省去了一整个预处理阶段。
主权如今是产品特性，而非口号。 单容器部署直指那些无法使用仅云对手的买家。
经济性很激进。 在每 1,000 页 $2–$5 的价格下——并有一位早期客户称其准确率相当、成本约为此前供应商的 1/8——OCR 正变得便宜到足以跑遍整个文档归档。

如果你正在梳理 Mistral 在前沿厂商中的位置，参见我们完整的 AI 模型目录与 2026 LLM 全景指南。

关于数字的说明：定价与可用性以 Mistral 公告及发布时的报道为准；基准胜率来自公司自己的评测，且它承认该评测存在局限。在据此决策前，请在 Mistral 官网核实当前定价与部署选项。

有什么新东西

自托管才是真正的头条

定价与可用性

为何重要

来源