中文准确率97%，OCR新王登场？1美元处理2000页文档，速度惊人

新智元报道

编辑：英智

【新智元导读】Mistral OCR在基准测试中一骑绝尘，原生支持多语言，可解析数千种文字，处理速度在同类产品中最快。这将推动行业的数字化转型。

Mistral AI今日发布了堪称「世界上最好」的OCR模型，登顶Hacker News热榜。

它以图像和PDF作为输入，能以前所未有的认知能力，准确理解文档中的每个元素（图像、文本、表格和公式）。

它是与RAG系统结合使用的理想模型，适用于幻灯片或复杂PDF等文档的处理。

Le Chat已将其设为默认的文档理解模型，同时发布的API「mistral-ocr-latest」1美元可处理1000页（批量推理时每页成本约减半）。

API现已在开发者套件la Plateforme上提供，很快将在云服务、推理合作伙伴以及本地环境中部署。

网友表示，谷歌和Azure OCR迎来了严峻的挑战。

然而，也有网友不买账，对官方测试结果提出了质疑。

实测发现，模型在处理财务和法律文件时，仍存在精度问题。

Mistral OCR亮点

前沿的复杂文档理解能力

以往的OCR技术对于穿插的图像、数学表达式、表格以及高级布局（如LaTeX）的识别和理解能力有限。

Mistral OCR在这些方面实现了重大突破，能深入剖析文档的每一个细节，尤其是包含图表和公式的科学论文。

下面是从给定PDF中提取文本和图像到markdown文档的示例。

接下来，比较了PDF和对应的OCR输出结果。

官网演示中，照片同样轻松拿捏。

顶尖的基准测试成绩

在基准测试中，Mistral OCR展现出压倒性优势。

Mistral OCR能从文档中提取嵌入的图像和文本，而其他模型不具备这一能力。为了公平比较，团队在内部的纯文本测试集上进行评估。

与一众领先的OCR模型相比，Mistral OCR的综合得分一骑绝尘，达到了94.89。

在数学、多语言、扫描文档、表格等各个细分领域的测试中，均有出色表现。

其中，数学领域的得分高达94.29，远超其他对手。

扫描文档得分达到了98.96，对于一些模糊、老旧的文档扫描件，它也能清晰地识别。

原生多语言支持

Mistral OCR自诞生起就肩负着服务全球的使命，它能理解和解析全球各大洲的数千种文字和语言。

常见的语言和小语种，Mistral OCR都能轻松应对。

「Fuzzy Match in Generation」（生成模糊匹配）指标中，Mistral OCR得分达到了99.02，远超竞争对手。

在处理国际商务合同时，Mistral OCR能准确识别不同语言的条款，为跨国企业提供了极大的便利。

这种多语言适应性对于全球化企业至关重要，同时也适用于专注于特定市场的本土化企业。

在多语言的基准测试上，Mistral OCR的表现全面超越了Azure OCR、Google Doc AI和Gemini-2.0-Flash-001。

同类产品中速度最快

在追求准确性的同时，Mistral OCR还在处理速度上实现了质的飞跃。

它比大多数同类模型更轻量化，在单个节点上每分钟可处理多达2000页文档，这一速度远超传统OCR模型。

这种快速处理文档的能力，确保了即使在高吞吐量环境中，也能持续学习和优化。

文档即提示，结构化输出

Mistral OCR创新性地引入了「文档即提示」功能，支持更强大、精确的指令。

用户可以根据自身需求，利用该功能从文档中提取特定信息，并将其格式化为结构化输出，如JSON格式。

这种结构化输出方式便于链接下游函数调用，从而构建智能体。

例如，在处理企业的财务报表时，用户可通过Mistral OCR快速提取关键的财务数据，并将其输出为结构化的JSON文件。

自行托管，保障数据安全

对于有严格数据隐私要求的组织，Mistral OCR提供了自行托管选项。

金融机构、政府部门和科研单位等可以将Mistral OCR部署在自己的基础设施内，确保信息的安全性，从而符合严格的监管标准。

推动数字化转型

Mistral开启了OCR新时代，成为了推动各行业数字化转型的重要力量。

科学研究数字化：顶尖研究机构已在尝试用Mistral OCR将科学论文和期刊转换为适合AI处理的格式，便于下游智能引擎访问。这一举措极大地加快了科研合作的速度，推动了工作流程的优化。

历史文化遗产保护：管理文化遗产的组织和非营利机构，借助Mistral OCR将这些珍贵的历史资料转换为数字格式，不仅可以更好地保存，还能让更多人访问和研究这些文化遗产。

简化客户服务流程：客户服务部门正在探索用Mistral OCR，将文档和手册转化为索引知识库，缩短客服响应时间，提高客户满意度。

为文献提供AI支持：在设计、教育、法律等众多领域，存在着大量的技术文献、工程图纸、讲义、演示文稿、监管文件。Mistral OCR将其转换为可索引、随时提供答案的格式，释放文档中的知识，提升生产力。

参考资料：

https://mistral.ai/news/mistral-ocr

https://www.runpulse.com/blog/beyond-the-hype-real-world-tests-of-mistrals-ocr