摘要： Mistral AI 於 2026 年 6 月 23 日推出 Mistral OCR 4，輸出含座標、區塊標籤與信心分數的 Markdown 結構。官方定價為 OCR API 每千頁 4 美元，批次 API 減半為 2 美元，並支援 170 種語言。文章認為其座標與信心欄位有助 RAG 和代理流程，但團隊仍應用自身文件盲測驗證。
Mistral AI 於 2026 年 6 月 23 日推出 Mistral OCR 4，在 API 裡掛的名字是 mistral-ocr-latest。官方用「小而專注」來形容這款模型，體積小到能塞進單一容器裡執行；真正值得注意的卻是輸出：每個請求回傳的都是 Markdown 結構，元素層級附上邊界框座標與區塊類型標籤（標題、表格、公式、簽名等都在內），並提供頁面級與單字級兩種信心分數。
到了 2026 年，這些欄位的價值已經蓋過 OCR 本身的辨識能力。RAG 管線與代理工作流都把文件當成主要輸入，而切塊切得穩不穩、檢索行不行、表單填得對不對、抽取品質能不能自己把關，靠的正是座標與信心分數這類後設資訊。價格落在每千頁 4 美元，走批次 API 則減半為 2 美元。
文字擷取讓位給結構化輸出
規格清單是這樣的：語言覆蓋 170 種，歸入 10 個語言組，喬治亞文、孟加拉文、泰米爾文、卡納達文等低資源語言也在其中；輸入可收 PDF、DOC、PPT 與 OpenDocument；輸出鎖定在 Markdown，座標與區塊分類一併附上。官方同樣把界線講明白：醫療診斷、法律判斷、高風險金融、安全關鍵與延遲敏感場景，以及非文件輸入，全都排除在設計目標之外。
同一組端點還附帶 Document AI 模式：可以指定自訂 JSON Schema、借助視覺語言模型為圖片加註、並下自訂提示詞，結構化輸出則交由 mistral-small-2603 產生。實際用起來，等於一次 API 呼叫就把 OCR 與按 schema 抽取一起做完，後面那一整段後處理管線直接省下來。
基準分數與人類偏好測試
官方拿出的證據有三層。第一層是人評：以 600 多份文件、12 種以上語言進行盲測排名，OCR 4 面對所有受測對手的平均勝率為 72%。第二層是公開基準 OlmOCRBench，得分 85.20，在受測模型裡居首。第三層是內部多語基準 Crawl Multilingual，拿下 0.98，八個語言組無一例外都是第一。OmniDocBench 的 93.07 則帶著一段但書：官方指該基準存在真值錯誤、LaTeX 等價與欄序問題，其實正確的輸出也可能被扣分——想讀懂廠商的基準頁，得一路讀到註腳，這裡就是最好的例子。
客戶端給出的數字更貼近現場。Rogo 的 Aidan Donohue 表示，相較主要代理式解析器，OCR 4「以約 8 倍更低的成本與 17 倍更低的延遲達到同等精度」；Anaqua 的 Ivan Mihailov 說每頁處理「約快 4 倍」；微軟的 Kimmi Grewal 則把 OCR 4 進駐 Microsoft Foundry 視為雙方合作的重要里程碑。
計費方式與部署管道
收費分成三條線：OCR API 每千頁 4 美元；Batch API 打對折，收 2 美元；Document AI 則是每千頁 5 美元。取得管道方面，除了 Mistral Studio 的 API 主控台，Amazon SageMaker 與 Microsoft Foundry 都已上架，Snowflake 的 Parse Document 則掛著「即將推出」的字樣。企業若有資料主權上的要求，可接洽自架部署；官方另外排了 7 月 7 日的線上說明會。
對文件處理管線代表什麼
比賽的定義已經換掉了：OCR 拼的不再是辨識引擎，而是文件擷取 API 這一層。有了邊界框，下游系統能把版面重組回來；有了逐字信心分數，資料在進向量庫之前就能設下一道品質閘門；Document AI 模式則讓只需要發票與表單欄位的團隊，無須再維護一條後處理管線。
Hacker News 上的討論累積 501 分、136 則留言，焦點集中在兩處：每千頁 4 美元的定價會給既有解析器廠商帶來多大壓力，以及 OmniDocBench 那段但書掀起的基準可信度論戰。對正在搭建 RAG 管線的團隊來說，合理的態度是把 OCR 4 當候選、別急著視為定論——照 Mistral 自己的做法，先在自己的文件集上跑一輪盲測人評，再決定要不要把整條管線押上去。