Mistral 釋出 Mistral OCR：1 美元解析千頁複雜文件，已上線 Le Chat

幾乎所有做過知識庫或 RAG 系統的團隊，都踩過同一個坑：把包含公式、多欄排版和巢狀表格的 PDF 塞給大模型，提取出來的結果經常錯亂，表格對不齊，數學公式變成亂碼，插圖更是直接丟掉。

Mistral 針對這個痛點推出了專門的文件理解介面 Mistral OCR，試圖徹底解決非結構化文件的資料清洗難題。

專啃複雜排版的輕量級模型

Mistral OCR 並不是傳統的純文字識別工具，而是一個端到端的文件理解模型。它接收 PDF 或影像輸入，輸出的是保留閱讀順序的圖文交織 Markdown 格式。

遇到論文中的複雜數學公式，它能直接還原成 LaTeX 程式碼；遇到論文裡的插圖和圖表，它不僅能識別文字，還能把圖片單獨擷取並嵌入到對應的文本流中。

在速度和成本上，Mistral 把這個輕量模型的吞吐量拉得很高。在單節點上，它的處理速度最高能達到每分鐘 2000 頁。

介面定價定在每 1000 頁 1 美元。如果使用批處理介面，折算下來 1 美元可以處理約 2000 頁。目前該模型已經在 Mistral 的對話助手 Le Chat 中作為預設文件理解引擎上線，開發者也可以在 la Plateforme 平臺直接呼叫 API。

跑分超過全尺寸多模態模型

在 Mistral 公佈的內部測試集上，Mistral OCR 拿到了 94.89 的綜合得分。相比之下，GPT-4o 對應版本的得分是 89.77，Azure OCR 是 89.52，Google Document AI 則是 83.42。

細分到具體場景，它的數學公式識別得分為 94.29，掃描件識別為 98.96，複雜表格提取達到 96.12，各項指標都大幅領先通用大模型。

多語言支援也是這次的一大看點。官方測試顯示，其模糊匹配生成準確率達到 99.02%。

在中文測試上，Mistral OCR 的得分為 97.11，而同場測試的 Azure OCR 為 91.40，Google Document AI 僅為 90.89。

除了常規的轉寫，Mistral 還給它加了一個叫「文件即 Prompt」的功能。開發者可以直接要求模型從長文件中提取特定欄位，並按預設的 JSON 格式輸出，方便直接對接下游的 Agent 流程。對於對資料安全極度敏感的政企客戶，Mistral 還開放了有限的本地私有化部署許可權。

為什麼重要

對開發者和企業來說，高質量的文件清洗一直是搭建私有知識庫時最髒、最累的活。過去很多團隊不得不拼湊多種版面分析工具和開源 OCR，流程繁瑣且極不穩定。Mistral OCR 把多模態排版、圖片抽取和結構化輸出做成了一個單一 API，每千頁 1 美元的成本足夠便宜，極大地降低了搭建企業級 RAG 的門檻。

在行業層面，這標誌著文件解析正在從過去的規則識別轉向專用的視覺多模態小模型。通用大模型雖然也能看懂文件，但用它們來逐頁解析成千上萬頁的財報或科研檔案，成本高昂且速度太慢。

我們認為 Mistral 這一步走得很準。他們沒有隻盯著前沿大模型的算力競賽，而是精準卡位在「把全球 90% 鎖在文件裡的非結構化資料餵給 AI」這個最剛需的環節。同時，提供私有化部署也切中了金融、法律和醫療等高價值客戶的痛點，給整個文件處理賽道帶來了不小的壓力。