Mistral OCR 4 sabe dónde vive cada palabra y cuánto confiar en ella

Mistral AI lanzó hoy OCR 4, la última versión de su modelo de extracción de documentos, que añade cuadros delimitadores, clasificación de bloques tipificados y puntuaciones de confianza por palabra a su salida. El modelo está dirigido a la búsqueda empresarial, la generación aumentada por recuperación (RAG) y los flujos de trabajo de agentes. Se ejecuta completamente autogestionado en un solo contenedor. La nueva plataforma de Microsoft brinda a los…

Salida estructurada más allá del texto sin procesar

Las versiones anteriores se centraban en convertir páginas en texto limpio y tablas. OCR 4 devuelve una representación estructurada: cada bloque obtiene un cuadro delimitador, una clasificación (título, tabla, ecuación, firma y otros) y puntuaciones de confianza integradas a nivel de página y palabra. Los sistemas descendentes saben no solo lo que dice un documento, sino dónde se encuentra cada elemento, qué función desempeña y cuánta confianza tiene el modelo en cada región.

La salida estructurada admite directamente varios tipos de cargas de trabajo: segmentación semántica para RAG, primitivas estructurales para agentes que gestionan el llenado de formularios o el procesamiento de facturas, y salida tipificada consistente para canalizaciones de ingesta e indexación. El arnés de agente CUGA de código abierto de IBM se…

Rendimiento de referencia y preferencia humana

Mistral OCR 4 obtuvo 85,20 en OlmOCRBench y 93,07 en OmniDocBench, las puntuaciones generales más altas en ambos puntos de referencia públicos. La empresa también realizó una evaluación humana directa en más de 600 documentos en más de 12 idiomas, obtenidos de proveedores externos. Los anotadores independientes prefirieron OCR 4 sobre todos los sistemas competidores, con tasas de victoria que promediaron el 72%. Ifbench: el nuevo benchmark que evalúa el seguimiento…

Mistral señaló limitaciones conocidas en los puntos de referencia automatizados. Durante una auditoría de las discrepancias detrás de sus puntuaciones, la mayoría resultaron no ser errores del modelo, sino artefactos de cómo los puntos de referencia comparan la salida: errores en los datos de referencia, notación matemática equivalente contada como discrepancias, problemas de segmentación de ecuaciones, suposiciones sobre el orden de lectura en varias columnas y problemas de atribución de tipo de bloque. Mistral trata las puntuaciones agregadas de los puntos de referencia como indicativas, no definitivas.

Cobertura y rendimiento multilingüe

OCR 4 es compatible con 170 idiomas en 10 grupos lingüísticos. En la evaluación interna Crawl Multilingual de Mistral, el modelo lidera en los ocho grupos de idiomas evaluados: inglés, Europa occidental, Europa oriental, Oriente Medio, chino, Asia oriental, Asia sudoriental e idiomas especializados. La brecha es mayor para los idiomas especializados y de bajos recursos, donde muchos sistemas competidores se degradan bruscamente mientras que OCR 4 mantiene una alta precisión.

Opciones de implementación y precios

El modelo se ejecuta en un solo contenedor, lo que permite a las organizaciones con requisitos de soberanía de datos mantener los datos de los documentos en su propia infraestructura. Mistral OCR 4 a través de la API cuesta $4 por cada 1,000 páginas, con un descuento del 50% para la API por lotes que lo reduce a $2 por cada 1,000 páginas. Document AI, una capa sin código que alimenta la salida de OCR a través de un modelo más pequeño para generar JSON estructurado, cuesta $5 por cada 1,000 páginas. NSF OMAI entra en funcionamiento: el clúster de IA…

OCR 4 está disponible a través de API en Mistral Studio, Amazon SageMaker y Microsoft Foundry. El soporte para Snowflake Parse Document estará disponible próximamente. Cómo Alibaba Cloud se abrió paso en 20 cuadrantes de…

Integración con Search Toolkit

OCR 4 es un componente de ingesta de Search Toolkit de Mistral, un marco de búsqueda componible y de código abierto anunciado en la AI Now Summit. Su salida estructurada proporciona entradas listas para citar al flujo de trabajo de recuperación y evaluación del kit de herramientas para RAG y búsqueda empresarial.

Comentarios de usuarios iniciales

Aidan Donohue, ingeniero de IA en Rogo, dijo que OCR 4 logró una precisión equivalente a los principales analizadores de documentos de agentes en un conjunto de datos de preguntas y respuestas financieras denso en gráficos y figuras a un costo aproximadamente 8 veces menor y una latencia 17 veces menor. Ivan Mihailov, ingeniero de IA en Anaqua, informó que Mistral OCR es aproximadamente 4 veces más rápido por página que su proveedor actual, un resultado que calificó de impresionante para flujos de trabajo de registro de alto volumen donde la velocidad es crítica. El horizonte de verificación: por qué verificar agentes…