Mistral OCR 4: структурированный разбор документов для self-hosted AI-пайплайнов

Компания Mistral выпустила OCR 4 — крупное обновление своей модели для разбора документов, которое значительно выходит за рамки простого извлечения текста. Новая модель возвращает структурированный, аннотированный вывод — ограничивающие рамки, классификацию блоков по типам и построчные показатели уверенности — всё это развёртывается в одном контейнере на вашей собственной инфраструктуре. Для команд, создающих приватные базы знаний, системы генерации с извлечением из контекста (RAG) или агентные документооборотные процессы, это тот самый базовый компонент, который меняет архитектурные возможности.

Объявление, подробно описанное Mistral 23 июня 2026 года, позиционирует OCR 4 не просто как более качественный OCR-движок, а как структурированный слой для корпоративного поиска и AI-агентных пайплайнов. Вот что конкретно изменилось, почему это важно и что это значит для команд, работающих с self-hosted AI.

Что нового в OCR 4

Предыдущие поколения Mistral OCR были сосредоточены на преобразовании страницы в чистый текст и таблицы. OCR 4 меняет парадигму: каждый извлечённый элемент поставляется в сопровождении метаданных.

Ограничивающие рамки локализуют каждый текстовый блок на странице, позволяя последующим системам понимать, *где* расположен тот или иной фрагмент — это критически важно для контекстной подсветки в просмотрах документов и для построения надёжных пайплайнов данных, способных ссылаться на конкретные области исходного файла.

Классификация блоков присваивает тип каждому сегменту: заголовки, таблицы, формулы, подписи и многое другое. Это означает, что последующая система получает не просто стену текста — она получает структурированное представление документа, где каждый блок помечен в соответствии с его семантической ролью.

Построчные показатели уверенности генерируются для каждой страницы и каждого слова. Именно эта функция делает верификацию с участием человека практичной в масштабе: вместо просмотра каждого документа команды могут выделять только области с низкой уверенностью для ручной проверки, экономя колоссальные объёмы ручного труда.

В совокупности эти три нововведения превращают OCR из утилиты «текст на входе — текст на выходе» в API для работы со структурой документов — и именно это отличие делает OCR 4 интересной для экосистемы self-hosted AI.

Результаты бенчмарков

Mistral оценила OCR 4 по сравнению с ведущими AI-нативными OCR-моделями, передовыми моделями общего назначения, корпоративными документооборотными сервисами и собственным предшественником, OCR 3. Выделяются два подхода к оценке:

Тестирование предпочтений людей. Mistral собрала более 600 документов на 12+ языках, полученных от сторонних поставщиков для представления реальных отраслевых сценариев использования. Независимые аннотаторы вслепую ранжировали вывод каждого конкурента относительно вывода OCR 4. Аннотаторы отдали предпочтение OCR 4 в большинстве документов по всем протестированным системам, со средним показателем побед 72%. Поскольку это оценки людей на реалистичных документах, а не сравнение строк с фиксированными эталонами, такой подход обходит большинство проблем с шумом аннотаций и форматирования, влияющих на автоматические метрики.

OlmOCRBench. OCR 4 получила наивысший общий балл — 85.20 на этом бенчмарке.

Цитата от Rogo, пользователя в продакшене, отражает практическое воздействие: независимое тестирование показало «эквивалентную точность примерно при в 8 раз меньших затратах и в 17 раз меньшей задержке» по сравнению с ведущими агентными парсерами документов на наборе данных для ответов на вопросы по финансовым документам, насыщенном графиками и диаграммами. Такая разница в затратах и задержке быстро накапливается в продакшене.

170 языков в 10 языковых группах

OCR 4 поддерживает 170 языков с измеримыми улучшениями на специализированных и малоресурсных языках, где конкурирующие системы теряют качество. Для организаций, работающих в нескольких географических регионах — или обрабатывающих документы на таких языках, как арабский, тайский, хинди или менее распространённые европейские системы письма — такое широкое покрытие устраняет необходимость объединять несколько поставщиков OCR.

Многоязычная поддержка — это не только точность извлечения текста. Когда классификация блоков и показатели уверенности корректно работают на 170 языках, структурированный вывод становится достаточно надёжным для управления автоматизированными пайплайнами в неанглоязычных контекстах без постоянного ручного вмешательства.

Самостоятельное развертывание в одном контейнере

Пожалуй, наиболее значимая деталь для сообщества self-hosted AI: OCR 4 достаточно компактна для развёртывания в одном контейнере. Это позволяет хранить все данные документов внутри собственной инфраструктуры организации — никакие документы не покидают сеть, ни один сторонний API не видит конфиденциальное содержимое.

Это важно для:

• Суверенности данных и комплаенса. Регулируемые отрасли (финансы, здравоохранение, юриспруденция) часто не могут отправлять документы во внешние API. Self-hosted OCR-модель в одном Docker-контейнере решает эту проблему элегантно.
• Контроля затрат. Работа на собственном оборудовании означает отсутствие платы за страницу API для внутренних рабочих нагрузок. Ценообразование API (4 доллара за 1000 страниц или 2 доллара через Batch API) служит запасным вариантом для пиковых нагрузок, но обработка в штатном режиме может оставаться on-premises.
• Задержки. Локальный инференс устраняет сетевые круговые запросы. Для обработки больших объёмов данных — представьте тысячи PDF, поставленных в очередь на ночь — это складывается быстро.

Управляемое самостоятельное развёртывание в настоящее время доступно для корпоративных клиентов.

Что это значит для RAG и агентных рабочих процессов

Истинное значение OCR 4 заключается в том, как её структурированный вывод питает последующие AI-системы.

Семантическая сегментация для RAG. Чистые, классифицированные блоки становятся более качественными единицами извлечения, чем сегменты необработанного текста, разделённые по количеству символов. Когда каждый фрагмент несёт тип блока (заголовок, таблица, абзац), системы извлечения могут более грамотно взвешивать и ранжировать результаты. Показатели уверенности позволяют RAG-пайплайнам понижать приоритет неопределённых извлечений, а не молча галлюцинировать на основе искажённого OCR.

Структурные примитивы для агентов. AI-агенты, обрабатывающие документы — заполняющие формы, обрабатывающие счета-фактуры, выполняющие проверки на комплаенс — должны понимать *структуру* документа, а не только содержание. Ограничивающие рамки и типизированные блоки дают агентам примитивы для перехода от «чтения» документов к «действию» на их основе. Агент, обрабатывающий счёт-фактуру, может отличить позиции от заголовков и от итоговых сумм, потому что каждый блок помечен.

Вывод, готовый к цитированию. Когда каждый текстовый сегмент несёт ограничивающую рамку и показатель уверенности, путь от извлечённого текста обратно к его исходному местоположению в оригинальном документе сохраняется. Это основа для AI с возможностью цитирования — систем, которые не только отвечают на вопросы, но и указывают пользователям на точную область исходного документа, подтверждающую каждый ответ.

Mistral интегрировала OCR 4 с Search Toolkit (в публичном превью) — открытым, композиционным поисковым фреймворком, где структурированный вывод OCR 4 обеспечивает готовые к цитированию входные данные для пайплайнов извлечения, поиска и оценки фреймворка.

Стоимость

Ценообразование Mistral на OCR 4 через API составляет 4 доллара за 1000 страниц. Batch API предлагает скидку 50%, снижая стоимость до 2 долларов за 1000 страниц. Document AI в Mistral Studio стоит 5 долларов за 1000 страниц и предоставляет no-code интерфейс к тому же движку.

Для команд, подсчитывающих затраты: при 2 доллара за 1000 страниц через Batch API обработка корпуса из 10 000 страниц стоит 20 долларов. Для организаций, запускающих OCR локально на собственном оборудовании, стоимость API за страницу падает до нуля — остаются только вычислительные ресурсы и электричество.

Поддерживаемые форматы

OCR 4 работает с распространёнными корпоративными форматами документов из коробки: PDF, DOC, PPT и OpenDocument. Никакой предварительной конвертации форматов не требуется — практичная деталь, устраняющая типичное узкое место в пайплайне.

Общая картина

Mistral OCR 4 представляет более широкий сдвиг в том, как документальный AI интегрируется со стеком self-hosted AI. Эпоха «OCR как утилиты для извлечения текста» уступает место «OCR как структурированному слою загрузки данных» — и больше всего выигрывают те команды, которые строят приватные, поддерживающие цитирование системы знаний, где документы не просто *читаются* AI, а *понимаются* им.

Сочетание ограничивающих рамок, типизированных блоков, показателей уверенности, поддержки 170 языков и развёртывания в одном контейнере делает OCR 4 надёжным строительным блоком для продакшен-пайплайнов обработки документов, которые должны оставаться on-premises. Строите ли вы RAG-систему поверх внутренних контрактов, агента для обработки многоязычных счетов-фактур или пайплайн комплаенса, требующий проверяемых ссылок на источники, — структурированный вывод, который предоставляет эта модель, делает последующие системы по-настоящему надёжными.

Исходный материал доступен в оригинальном объявлении Mistral. Для команд, сравнивающих self-hosted подходы к документальному AI с SaaS-альтернативами, экономика и архитектурные решения, описанные выше, заслуживают внимательного прочтения.