Mistral AI 釋出 Mistral OCR 3：攻克複雜表格與手寫體，千頁低至 1 美元

如果你做過文件解析，大機率被兩件事折磨過：一是表格一旦跨行合併，大模型讀出來全是亂碼；二是那種帶手寫批註的發票和低清掃描件，大部分 OCR 直接繳械。

Mistral 剛剛端出了新一代文件解析模型 Mistral OCR 3，API 標識為 mistral-ocr-2512，想把這些髒活一次性解決掉。

按照 Mistral 的說法，新模型在內部真實業務基準測試中，面對表單、掃描件、複雜表格和手寫體場景，相比上一代 Mistral OCR 2 跑出了 74% 的綜合勝率。官方稱其精度已經跨過了傳統企業級文件方案和現有的 AI 原生 OCR。

專治合併單元格和手寫草書

很多人拿多模態模型扒表格，最頭疼的就是格式塌陷。Mistral OCR 3 這次做了一個挺實用的改動：它輸出 Markdown 時，會用帶有 colspan 和 rowspan 的 HTML 表格程式碼來重構結構。

這就意味著多級表頭、合併單元格以及跨行資料塊，排版關係都能原樣保住。解析出來的不再只是一堆散落的文本，下游的大模型或者自動化流程能直接看懂表格的邏輯結構。

在手寫內容識別上，它不僅能認連筆英文草書，還能看懂直接疊印在打印表單上的手寫批註。哪怕遇到帶噪點、歪斜扭曲、解析度極低的壓縮掃描件，模型也能儘量還原文字和內嵌影像。

為了讓非開發人員也能直接用，Mistral 在自己的 AI Studio 裡上線了 Document AI Playground。只要把 PDF 或圖片拖進去，就能立刻匯出排好版的文本或者結構化 JSON。同時，新版本對老版本保持完全向後相容，對隱私敏感的機構也開放了本地私有化部署選項。

一千頁只要一美元

除了準確率，Mistral 這一刀主要是衝著成本砍下去的。官方強調它是一個體量比競品小得多的輕量模型，常規 API 定價為每 1000 頁 2 美元。

如果你走批次任務的 Batch API，價格直接打五折，降到每 1000 頁 1 美元。這個價位對於需要常年處理海量票據和檔案的企業來說，幾乎把試錯成本拉到了地板上。

IDC 人工智慧與自動化研究總監 Tim Law 對此評價稱，OCR 依然是生成式 AI 和智慧體落地必不可少的地基。誰能低成本、高保真地把文件和圖片挖出來，誰就能在資料層面建立優勢。

為什麼重要

我們認為，Mistral 做這款產品的思路非常清晰：它沒去和別家卷通用的超大視覺模型，而是專門做了一把極度鋒利、極度便宜的專用手術刀。

對於開發者和企業技術團隊來說，無論是搭企業知識庫做 RAG，還是給 Agent 投餵非結構化資料，第一道文件解析關卡都是最大的髒活累活。Mistral OCR 3 把價格壓到千頁一美元，同時用 HTML 標籤解決了表格結構的頑疾，這意味著很多原本因為成本或解析質量被擱置的數字化專案，現在完全值得重新拉出來跑一遍。

從行業競爭來看，純視覺多模態大模型雖然也能讀圖，但呼叫大模型的 API 成本往往太高，速度也慢。Mistral 用專門的小模型打出高性價比，看起來是想在文件入口處直接截流，逼著其他大模型廠商在垂直文件工具鏈上給出更便宜的方案。

不過需要留意的是，官方公佈的 74% 勝率來自其內部基於客戶真實場景的測試集，它在特定小語種或更極端排版下的實際表現，仍然需要開發者在自己的生產環境裡跑一跑驗證。