Mistral AI 发布 Mistral OCR 3：攻克复杂表格与手写体，千页低至 1 美元

如果你做过文档解析，大概率被两件事折磨过：一是表格一旦跨行合并，大模型读出来全是乱码；二是那种带手写批注的发票和低清扫描件，大部分 OCR 直接缴械。

Mistral 刚刚端出了新一代文档解析模型 Mistral OCR 3，API 标识为 mistral-ocr-2512，想把这些脏活一次性解决掉。

按照 Mistral 的说法，新模型在内部真实业务基准测试中，面对表单、扫描件、复杂表格和手写体场景，相比上一代 Mistral OCR 2 跑出了 74% 的综合胜率。官方称其精度已经跨过了传统企业级文档方案和现有的 AI 原生 OCR。

专治合并单元格和手写草书

很多人拿多模态模型扒表格，最头疼的就是格式塌陷。Mistral OCR 3 这次做了一个挺实用的改动：它输出 Markdown 时，会用带有 colspan 和 rowspan 的 HTML 表格代码来重构结构。

这就意味着多级表头、合并单元格以及跨行数据块，排版关系都能原样保住。解析出来的不再只是一堆散落的文本，下游的大模型或者自动化流程能直接看懂表格的逻辑结构。

在手写内容识别上，它不仅能认连笔英文草书，还能看懂直接叠印在打印表单上的手写批注。哪怕遇到带噪点、歪斜扭曲、分辨率极低的压缩扫描件，模型也能尽量还原文字和内嵌图像。

为了让非开发人员也能直接用，Mistral 在自己的 AI Studio 里上线了 Document AI Playground。只要把 PDF 或图片拖进去，就能立刻导出排好版的文本或者结构化 JSON。同时，新版本对老版本保持完全向后兼容，对隐私敏感的机构也开放了本地私有化部署选项。

一千页只要一美元

除了准确率，Mistral 这一刀主要是冲着成本砍下去的。官方强调它是一个体量比竞品小得多的轻量模型，常规 API 定价为每 1000 页 2 美元。

如果你走批量任务的 Batch API，价格直接打五折，降到每 1000 页 1 美元。这个价位对于需要常年处理海量票据和档案的企业来说，几乎把试错成本拉到了地板上。

IDC 人工智能与自动化研究总监 Tim Law 对此评价称，OCR 依然是生成式 AI 和智能体落地必不可少的地基。谁能低成本、高保真地把文档和图片挖出来，谁就能在数据层面建立优势。

为什么重要

我们认为，Mistral 做这款产品的思路非常清晰：它没去和别家卷通用的超大视觉模型，而是专门做了一把极度锋利、极度便宜的专用手术刀。

对于开发者和企业技术团队来说，无论是搭企业知识库做 RAG，还是给 Agent 投喂非结构化数据，第一道文档解析关卡都是最大的脏活累活。Mistral OCR 3 把价格压到千页一美元，同时用 HTML 标签解决了表格结构的顽疾，这意味着很多原本因为成本或解析质量被搁置的数字化项目，现在完全值得重新拉出来跑一遍。

从行业竞争来看，纯视觉多模态大模型虽然也能读图，但调用大模型的 API 成本往往太高，速度也慢。Mistral 用专门的小模型打出高性价比，看起来是想在文档入口处直接截流，逼着其他大模型厂商在垂直文档工具链上给出更便宜的方案。

不过需要留意的是，官方公布的 74% 胜率来自其内部基于客户真实场景的测试集，它在特定小语种或更极端排版下的实际表现，仍然需要开发者在自己的生产环境里跑一跑验证。