Mistral OCR 4 文档智能 OCR 模型
Mistral 于 2026 年 6 月 23 日发布 OCR 4，官方称其带来突破性的文档解析能力：在提取文本之外，还返回边界框、区块分类与逐行置信度分数，支持 170 种语言，并可运行在单个容器中实现完全自托管部署。
工具概览
功能、使用步骤与常见问题见下方
功能特点
- ✓ 官方称 OCR 4 不只转换出干净文本，而是返回文档的结构化表示：每个区块都带边界框定位、按类型分类（标题、表格、公式、签名等），并生成逐页与逐词的置信度分数
- ✓ 官方称其支持 170 种语言、覆盖 10 个语系，包含许多系统处理不佳的专业与低资源语言；接受 PDF、DOC、PPT 与 OpenDocument 等常见企业格式
- ✓ 官方称 OCR 4 是紧凑模型，可部署在单个容器中实现完全自托管，让对数据主权有要求的组织把文档数据保留在自己的基础设施内，并支持高吞吐批处理
- ✓ 官方称独立标注者在盲测中平均以 72% 的胜率更偏好 OCR 4 的输出，并在 OlmOCRBench 上取得 85.20 的总体最高分；OCR 4 是 Mistral 开源可组合搜索框架 Search Toolkit（公开预览）的摄取组件
- ✓ 官方称 OCR 4 通过 API 定价为每 1,000 页 4 美元，Batch API 享 50% 折扣后为每 1,000 页 2 美元；Document AI 为每 1,000 页 5 美元，并提供自托管选项
使用步骤
- 通过 Mistral Studio 的 OCR 4 API 调用模型，或使用同一引擎的文档级、无代码路径 Document AI
- 阅读官方 Getting Started with OCR 4 Cookbook，完成首次提取并学会处理边界框与区块分类
- 对数据主权或合规有要求的场景，选择单容器自托管部署，让敏感文档保留在自有基础设施内
- 如需结构化输出，在同一调用中加入 Document AI 参数（传入 JSON Schema 或自定义提示），把 OCR 输出重塑为自定义格式或进行图像标注
常见问题
Mistral OCR 4 是什么？
官方称 OCR 4 是 Mistral 于 2026 年 6 月 23 日发布的文档智能模型，在提取文本之外还返回边界框、区块分类与逐行置信度分数，支持 170 种语言。
OCR 4 与普通 OCR 有何不同？
官方称以往几代主要把页面转成干净文本与表格，而 OCR 4 返回文档的结构化表示：每个区块都有边界框定位、类型分类与逐页/逐词置信度分数，便于源引用、脱敏与人工复核。
OCR 4 支持哪些语言和文件格式？
官方称其支持 170 种语言、覆盖 10 个语系，包含专业与低资源语言；接受 PDF、DOC、PPT 与 OpenDocument 等常见企业格式。
OCR 4 的价格是多少？
官方称通过 API 定价为每 1,000 页 4 美元，使用 Batch API 享 50% 折扣后为每 1,000 页 2 美元；Document AI 为每 1,000 页 5 美元。
可以自托管 OCR 4 吗？
官方称可以：OCR 4 是紧凑模型，可部署在单个容器中实现完全自托管，让文档数据保留在企业自有环境中以满足常驻、主权与合规要求。