Mistral 发布 Mistral OCR：1 美元解析千页复杂文档，已上线 Le Chat

几乎所有做过知识库或 RAG 系统的团队，都踩过同一个坑：把包含公式、多栏排版和嵌套表格的 PDF 塞给大模型，提取出来的结果经常错乱，表格对不齐，数学公式变成乱码，插图更是直接丢掉。

Mistral 针对这个痛点推出了专门的文档理解接口 Mistral OCR，试图彻底解决非结构化文档的数据清洗难题。

专啃复杂排版的轻量级模型

Mistral OCR 并不是传统的纯文字识别工具，而是一个端到端的文档理解模型。它接收 PDF 或图像输入，输出的是保留阅读顺序的图文交织 Markdown 格式。

遇到论文中的复杂数学公式，它能直接还原成 LaTeX 代码；遇到论文里的插图和图表，它不仅能识别文字，还能把图片单独截取并嵌入到对应的文本流中。

在速度和成本上，Mistral 把这个轻量模型的吞吐量拉得很高。在单节点上，它的处理速度最高能达到每分钟 2000 页。

接口定价定在每 1000 页 1 美元。如果使用批处理接口，折算下来 1 美元可以处理约 2000 页。目前该模型已经在 Mistral 的对话助手 Le Chat 中作为默认文档理解引擎上线，开发者也可以在 la Plateforme 平台直接调用 API。

跑分超过全尺寸多模态模型

在 Mistral 公布的内部测试集上，Mistral OCR 拿到了 94.89 的综合得分。相比之下，GPT-4o 对应版本的得分是 89.77，Azure OCR 是 89.52，Google Document AI 则是 83.42。

细分到具体场景，它的数学公式识别得分为 94.29，扫描件识别为 98.96，复杂表格提取达到 96.12，各项指标都大幅领先通用大模型。

多语言支持也是这次的一大看点。官方测试显示，其模糊匹配生成准确率达到 99.02%。

在中文测试上，Mistral OCR 的得分为 97.11，而同场测试的 Azure OCR 为 91.40，Google Document AI 仅为 90.89。

除了常规的转写，Mistral 还给它加了一个叫「文档即 Prompt」的功能。开发者可以直接要求模型从长文档中提取特定字段，并按预设的 JSON 格式输出，方便直接对接下游的 Agent 流程。对于对数据安全极度敏感的政企客户，Mistral 还开放了有限的本地私有化部署权限。

为什么重要

对开发者和企业来说，高质量的文档清洗一直是搭建私有知识库时最脏、最累的活。过去很多团队不得不拼凑多种版面分析工具和开源 OCR，流程繁琐且极不稳定。Mistral OCR 把多模态排版、图片抽取和结构化输出做成了一个单一 API，每千页 1 美元的成本足够便宜，极大地降低了搭建企业级 RAG 的门槛。

在行业层面，这标志着文档解析正在从过去的规则识别转向专用的视觉多模态小模型。通用大模型虽然也能看懂文档，但用它们来逐页解析成千上万页的财报或科研档案，成本高昂且速度太慢。

我们认为 Mistral 这一步走得很准。他们没有只盯着前沿大模型的算力竞赛，而是精准卡位在「把全球 90% 锁在文档里的非结构化数据喂给 AI」这个最刚需的环节。同时，提供私有化部署也切中了金融、法律和医疗等高价值客户的痛点，给整个文档处理赛道带来了不小的压力。