Mistral AI veröffentlicht OCR 4 – Texterkennungssystem mit Blöcken, Rahmen und Konfidenzwerten

Mistral AI hat Mistral OCR 4 angekündigt – ein neues Modell zur optischen Zeichenerkennung, das nicht nur Text extrahiert, sondern auch Begrenzungsrahmen, eine Klassifizierung der Blöcke nach Typ (Überschriften, Tabellen, Gleichungen, Bildunterschriften usw.) und eine Konfidenzbewertung für jedes Wort zurückgibt. Das Modell unterstützt 170 Sprachen in 10 Sprachgruppen und kann in einem einzigen Container für die vollständig lokale Datenspeicherung bereitgestellt werden. In manuellen Bewertungen von über 600 Dokumenten in mehr als 12 Sprachen bevorzugten unabhängige Prüfer OCR 4 gegenüber allen getesteten OCR-Systemen und Document-AI-Diensten, mit einer durchschnittlichen Präferenzrate von 72 %. Im öffentlichen Benchmark OlmOCRBench erreichte das Modell 85,20 Punkte und belegte den ersten Platz unter den getesteten Systemen. Im Benchmark OmniDocBench erreichte es 93,07 Punkte, jedoch weist das Unternehmen auf bekannte Einschränkungen automatischer Tests hin: Ein Teil der Abweichungen ist auf Fehler in den Referenzdaten, äquivalente mathematische Notation, Segmentierung von Gleichungen und Lesereihenfolge in mehrspaltigen Dokumenten zurückzuführen. OCR 4 ist in das Mistral Search Toolkit (ein offenes Such-Framework) integriert und über die API verfügbar (4 Dollar pro 1000 Seiten, mit 50 % Rabatt im Batch-Modus für 2 Dollar) oder über Document AI in Mistral Studio (5 Dollar pro 1000 Seiten). Document AI bietet zusätzlich die Möglichkeit, strukturiertes JSON nach einem vorgegebenen Schema auszugeben und Bilder zu annotieren. Das Modell wird für die Dokumentenanalyse, RAG (Retrieval-Augmented Generation), agentische Workflows, Unternehmenssuche und Rechnungsverarbeitung empfohlen. Das Unternehmen betont, dass OCR 4 nicht für die medizinische Diagnose, rechtliche Gutachten oder sicherheitskritische Systeme vorgesehen ist.