Mistral AIが「Mistral OCR 3」公開、手書きや複雑な表の認識精度を大幅強化

ドキュメント解析の現場で誰もが頭を抱えるのが、セルの結合された複雑な表組みや、手書きのメモが混ざった低解像度スキャンです。こうした課題を真正面から解決すべく、Mistral が新型ドキュメント解析モデル Mistral OCR 3 を発表しました。

API 上のモデル名は mistral-ocr-2512 で提供され、すでに Mistral AI Studio から利用可能です。Mistral の社内ベンチマークによると、帳票、スキャン文書、複雑な表、手書き文字などのテストにおいて、前世代の Mistral OCR 2 に対して 74% の総合勝率を記録しました。

従来のエンタープライズ向け文書処理ソリューションや既存の AI ネイティブ OCR を上回る精度を実現したとしています。

表の構造を保ったまま HTML で復元

Mistral OCR 3 の大きな特徴は、Markdown 形式でテキストや埋め込み画像を抽出しつつ、表組みを HTML タグで再構築する点です。

ヘッダー構造や複数行にまたがるブロック、結合セルを colspan や rowspan タグを用いてそのまま再現します。テキストの羅列ではなく表の論理構造が維持されるため、後続の生成 AI やエージェントがデータを正確に把握できるようになります。

認識性能も大幅に向上しました。筆記体や印刷された帳票の上に重ねて書かれた手書き文字を正確に読み取れるほか、歪みや圧縮ノイズ、低解像度のスキャン文書にも耐性があります。

開発者は API 経由で組み込めるほか、ブラウザ上で PDF や画像をドラッグ＆ドロップして即座にテキストや JSON へ変換できる Document AI Playground も公開されました。前バージョンとの完全な後方互換性を備え、機密データを扱う企業向けにはセルフホスティングの選択肢も用意されています。

1000 ページで 1 ドルという破壊的価格

性能と並んで注目されるのがコスト設定です。競合ソリューションよりも大幅に小さいモデル設計を採用したことで、通常価格は 1000 ページあたり 2 ドルに抑えられました。

さらに Batch API を利用すると 50% 割引が適用され、1000 ページあたりわずか 1 ドルで処理できます。大量の請求書や過去の文書資産をデジタル化したい組織にとって、コスト面での参入障壁は一気に下がります。

米 IDC の AI・オートメーション担当リサーチディレクターである Tim Law 氏は、OCR は生成 AI やエージェント AI を成立させる基盤であり、高い精度とコスト効率でデータを抽出できる組織が競争優位を獲得するとコメントしています。

なぜ重要か

私たちは、Mistral が汎用の巨大マルチモーダルモデルに頼るのではなく、軽量な特化型モデルを低価格で提供した点を賢い戦略だと評価しています。

RAG や社内ナレッジ検索を構築しているエンジニアにとって、PDF や帳票の構造崩れは常に最大の障害でした。HTML タグで表の構造を維持しながら 1000 ページを 1 ドルで処理できるのであれば、これまで費用対効果が見合わずに放置されていた過去文書のバッチ処理を今すぐ試す価値があります。

業界全体から見ても、文書解析の領域で高価な大型モデルを使う必然性が薄れ、特化型小モデルによる価格破壊が進むきっかけになりそうです。ただし、公表されている 74% の勝率は同社独自のデータセットによるものなので、自社の特殊なフォーマットでどの程度安定して動くかは実際に検証して見極める必要があります。