Mistral AI julkaisee OCR 4 - tekstintunnistusjärjestelmän lohkoilla, reunuksilla ja luottamusarvoilla

Mistral AI on julkistanut Mistral OCR 4:n, uuden optisen merkintunnistusmallin, joka ei pelkästään poimi tekstiä, vaan palauttaa myös rajauslaatikot, lohkojen tyypin mukaisen luokituksen (otsikot, taulukot, yhtälöt, kuvatekstit jne.) sekä luottamusarvosanan kullekin sanalle. Malli tukee 170 kieltä, jotka toimivat 10 kieliryhmässä, ja se voidaan ottaa käyttöön yhdessä kontissa täydellistä paikallista tietojen tallennusta varten. Ihmisten tekemissä arvioinneissa yli 600 dokumentilla yli 12 kielellä riippumattomat arvioijat suosivat OCR 4:ää kaikkia testattuja OCR-järjestelmiä ja dokumenttiälypalveluita, keskiarvon ollessa 72 prosenttia. Julkisessa OlmOCRBench-vertailussa malli sai 85,20 pistettä sijoittuen ensimmäiseksi testattujen järjestelmien joukossa. OmniDocBench-vertailussa tulos oli 93,07, mutta yritys huomauttaa automatisoidun testauksen tunnetuista rajoituksista: osa eroista johtuu viitetietojen virheistä, vastaavista matemaattisista merkinnöistä, yhtälöiden segmentoinnista ja lukujärjestyksestä monipalstaisissa dokumenteissa. OCR 4 on integroitu Mistral Search Toolkitiin (avoin hakukehys) ja saatavilla API:n kautta (4 dollaria per 1000 sivua, 50 prosentin alennus erätilassa eli 2 dollaria) tai Document AI -palvelun kautta Mistral Studiossa (5 dollaria per 1000 sivua). Document AI lisää mahdollisuuden tulostaa jäsenneltyä JSONia annetun kaavan mukaan sekä kuvien annotoinnin. Mallia suositellaan dokumenttien jäsentämiseen, RAG:iin, agenttipohjaisiin työnkulkuihin, yrityshakuun ja laskujen käsittelyyn. Yritys korostaa, että OCR 4 ei ole tarkoitettu lääketieteelliseen diagnostiikkaan, oikeudellisiin lausuntoihin tai turvallisuuskriittisiin järjestelmiin.